Vehicle measurement and recognition technology based on GGW-YOLOv8 in binocular vision

CHENG Yao; TANG Qingling; LIU Yunyang; TANG Qingtao; LI Wei; LIU Peng

doi:10.37188/CJLCD.2026-0075

您当前的位置：

首页 >

文章列表页 >

Vehicle measurement and recognition technology based on GGW-YOLOv8 in binocular vision

Image Processing | 更新时间：2026-09-12

- Vehicle measurement and recognition technology based on GGW-YOLOv8 in binocular vision
- Chinese Journal of Liquid Crystals and Displays Vol. 41, Issue 6, Pages: 878-893(2026)
- 作者机构：
  
  重庆理工大学机械工程学院，重庆 400054
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(52375526);General project of basic and frontier research of Chongqing Science and Technology Commission(cstc2016jcyjA0497);Chongqing Science and Technology Commission Research and Frontier Exploration Project(CSTB2022NSCQ-MSX0950);Chongqing Graduate Research Innovation Project(CYS25735);Graduate Innovation Project of Chongqing University of Technology(gzlcx20253081;gzlcx20253082;gzlcx20252012)
- DOI：10.37188/CJLCD.2026-0075
  CLC： TP391.4
- CSTR：32172.14.CJLCD.2026-0075
- Received：29 April 2026，
  
  Revised：2026-05-17，
  
  Published：06 June 2026
- 稿件说明：
移动端阅览
CHENG Yao, TANG Qingling, LIU Yunyang, et al. Vehicle measurement and recognition technology based on GGW-YOLOv8 in binocular vision[J]. Chinese Journal of Liquid Crystals and Displays, 2026, 41(6): 878-893.
DOI：

CHENG Yao, TANG Qingling, LIU Yunyang, et al. Vehicle measurement and recognition technology based on GGW-YOLOv8 in binocular vision[J]. Chinese Journal of Liquid Crystals and Displays, 2026, 41(6): 878-893. DOI： 10.37188/CJLCD.2026-0075. CSTR： 32172.14.CJLCD.2026-0075.

摘要

针对传统目标检测和测距技术存在测距传感器昂贵、复杂路段检测精度低、检测速率慢的问题，本文提出一种基于GGW-YOLOv8的车辆前车距离测量及目标识别技术。该算法对YOLOv8n进行改进，在中目标和大目标检测头前引入全局注意力机制（GAM），通过减少信息损失和放大全局交互提高模型对车辆目标的特征提取能力；在颈端网络引入GSConv轻量化卷积模块，通过深度可分离卷积和混洗操作减少模型参数量和计算量；用WIoU_v3损失函数替换原有的CIoU损失函数，通过非单调动态聚焦机制的梯度增益分配策略提升模型的泛化能力和网络边界框的回归精度；搭建基于SGBM半全局立体匹配算法的双目视觉测距系统进行车辆测距，开发融合车辆目标检测与测距的上位机系统，并将其移植部署到嵌入式边缘设备，开展实车搭载检测。实验结果表明，相较于YOLOv8n模型，本文改进模型参数量下降0.3M，计算量下降0.2G，在自制数据集和公共数据集上，检测精度分别提升0.8%和4.4%；在校内封闭路段，测距结果平均误差的绝对值为104 mm，平均相对误差为1.49%；在真实道路环境，平均误差的绝对值为307.4 mm，平均相对误差为3.29%，平均每帧耗时30.12 ms，可满足实际测距场景下的需求。

Abstract

Aiming at the problems of expensive and complex distance measurement sensors， low detection accuracy in complex road sections， and slow detection efficiency in traditional target detection and distance measurement technologies， a vehicle front distance measurement and target recognition technology based on GGW-YOLOv8 is proposed. This algorithm improves YOLOv8n by introducing GAM global attention mechanism before medium target and large target detection head， and improves the feature extraction ability of vehicle target by reducing information loss and amplifying global interaction. The GSConv lightweight convolutional module is introduced in the neck end network to reduce the number of model parameters and the calculation amount by deep separable convolution and shuffle operation. The WIoU_v3 loss function is used to replace the CIoU loss function， and the generalization ability and regression accuracy of the network boundary box are improved by the gradient gain distribution strategy of non-monotone dynamic focusing mechanism. The binocular vision ranging system based on SGBM semi-global stereo matching algorithm was built for vehicle ranging， and the upper computer system integrating vehicle target detection and ranging was developed， which is further transplanted and deployed to the embedded edge device for real vehicle on-board detection. The experimental results show that compared with the YOLOv8n model， the improved model has a 0.3M reduction in the number of parameters and 0.2G reduction in the amount of computation， and achieves accuracy improvements of 0.8% and 4.4% on the self-made dataset and the public dataset， respectively. In the closed section of the school， the absolute value of the average error is 104 mm， and the average relative error is 1.49%； in the actual road environment， the absolute value of the average error is 307.4 mm， the average relative error is 3.29%， and the average time per frame is 30.12 ms， which can meet the needs of actual ranging scenarios.

关键词

Keywords

references

程瑶，赵雷，成珊，等 . 基于机器视觉的车距检测系统设计［J］. 计量学报， 2020 ， 41 （ 1 ）： 11 - 15 ．

CHENG Y ， ZHAO L ， CHENG S ， et al . Design of vehicle distance detection system based on machine vision ［J］. Acta Metrologica Sinica ， 2020 ， 41 （ 1 ）： 11 - 15 . （in Chinese）

龚坤，徐鑫，陈小庆，等 . 弱纹理环境下融合点线特征的双目视觉同步定位与建图［J］. 光学精密工程， 2024 ， 32 （ 5 ）： 752 - 763 ． doi: 10.37188/ope.20243205.0752 http://dx.doi.org/10.37188/ope.20243205.0752

GONG K ， XU X ， CHEN X Q ， et al . Binocular vision SLAM with fused point and line features in weak texture environment ［J］. Optics and Precision Engineering ， 2024 ， 32 （ 5 ）： 752 - 763 . （in Chinese） . doi: 10.37188/ope.20243205.0752 http://dx.doi.org/10.37188/ope.20243205.0752

杨玉，许四祥，张梦权，等 . 基于多尺度注意力机制TransUNet的双目视觉定位与测量方法［J］. 光学精密工程， 2025 ， 33 （ 16 ）： 2502 - 2515 ． doi: 10.37188/ope.20253316.2502 http://dx.doi.org/10.37188/ope.20253316.2502

YANG Y ， XU S X ， ZHANG M Q ， et al . Binocular vision localization and measurement method based on TransUNet with multi-scale attention mechanism ［J］. Optics and Precision Engineering ， 2025 ， 33 （ 16 ）： 2502 - 2515 . （in Chinese） . doi: 10.37188/ope.20253316.2502 http://dx.doi.org/10.37188/ope.20253316.2502

刘宇豪，吴福培，吴树壮，等 . 基于插值超分辨的双目三维重建方法［J］. 中国光学（中英文）， 2024 ， 17 （ 4 ）： 862 - 874 ． doi: 10.37188/co.2023-0214 http://dx.doi.org/10.37188/co.2023-0214

LIU Y H ， WU F P ， WU S Z ， et al . Binocular 3D reconstruction method based on interpolation super-resolution ［J］. Chinese Optics ， 2024 ， 17 （ 4 ）： 862 - 874 . （in Chinese） . doi: 10.37188/co.2023-0214 http://dx.doi.org/10.37188/co.2023-0214

李鹏飞，熊召新，王桂宝 . YOLOv8-NTS：一种针对交通标志检测的目标识别方法［J］. 液晶与显示， 2025 ， 40 （ 12 ）： 1868 - 1880 ． doi: 10.37188/cjlcd.2025-0199 http://dx.doi.org/10.37188/cjlcd.2025-0199

LI P F ， XIONG Z X ， WANG G B . YOLOv8-NTS： a target detection approach for traffic sign recognition ［J］. Chinese Journal of Liquid Crystals and Displays ， 2025 ， 40 （ 12 ）： 1868 - 1880 . （in Chinese） . doi: 10.37188/cjlcd.2025-0199 http://dx.doi.org/10.37188/cjlcd.2025-0199

GIRSHICK R ， DONAHUE J ， DARRELL T ， et al . Rich feature hierarchies for accurate object detection and semantic segmentation ［C］// Proceedings of the 2014 IEEE Conference on Computer Vision and Pattern Recognition . Columbus ： IEEE ， 2014 ： 580 - 587 . doi: 10.1109/cvpr.2014.81 http://dx.doi.org/10.1109/cvpr.2014.81

CHEN Y H ， WANG H R ， LI W ， et al . Scale-aware domain adaptive faster R-CNN ［J］. International Journal of Computer Vision ， 2021 ， 129 （ 7 ）： 2223 - 2243 . doi: 10.1007/s11263-021-01447-x http://dx.doi.org/10.1007/s11263-021-01447-x

JIN L ， LIU G D . An approach on image processing of deep learning based on improved SSD ［J］. Symmetry ， 2021 ， 13 （ 3 ）： 495 . doi: 10.3390/sym13030495 http://dx.doi.org/10.3390/sym13030495

REDMON J ， DIVVALA S ， GIRSHICK R ， et al . You only look once： unified， real-time object detection ［C］. Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition . Las Vegas ： IEEE ， 2016 ： 779 - 788 . doi: 10.1109/cvpr.2016.91 http://dx.doi.org/10.1109/cvpr.2016.91

LIU W ， ANGUELOV D ， ERHAN D ， et al . SSD： single shot MultiBox detector ［C］. 14th European Conference on Computer Vision-ECCV 2016. Amsterdam ： Springer ， 2016 ： 21 - 37 . doi: 10.1007/978-3-319-46448-0_2 http://dx.doi.org/10.1007/978-3-319-46448-0_2

REDMON J ， FARHADI A . YOLO9000： better， faster， stronger ［C］// Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition . Honolulu ： IEEE ， 2017 ： 6517 - 6525 . doi: 10.1109/cvpr.2017.690 http://dx.doi.org/10.1109/cvpr.2017.690

LAWAL M O . Tomato detection based on modified YOLOv3 framework ［J］. Scientific Reports ， 2021 ， 11 （ 1 ）： 1447 . doi: 10.1038/s41598-021-81216-5 http://dx.doi.org/10.1038/s41598-021-81216-5

HAN L Y ， LI F G ， YU H Y ， et al . BiRPN-YOLOvX： a weighted bidirectional recursive feature pyramid algorithm for lung nodule detection ［J］. Journal of X-Ray Science and Technology ， 2023 ， 31 （ 2 ）： 301 - 317 . doi: 10.3233/xst-221310 http://dx.doi.org/10.3233/xst-221310

ARAKI R ， HIRAKAWA T ， YAMASHITA T ， et al . MT-DSSD： multi-task deconvolutional single shot detector for object detection， segmentation， and grasping detection ［J］. Advanced Robotics ， 2022 ， 36 （ 8 ）： 373 - 387 . doi: 10.1080/01691864.2022.2043183 http://dx.doi.org/10.1080/01691864.2022.2043183

叶赵兵，段先华，赵楚 . 改进YOLOv3-SPP水下目标检测研究［J］. 计算机工程与应用， 2023 ， 59 （ 6 ）： 231 - 240 ． doi: 10.3778/j.issn.1002-8331.2204-0264 http://dx.doi.org/10.3778/j.issn.1002-8331.2204-0264

YE Z B ， DUAN X H ， ZHAO C . Research on underwater target detection by improved YOLOv3-SPP ［J］. Computer Engineering and Applications ， 2023 ， 59 （ 6 ）： 231 - 240 . （in Chinese） . doi: 10.3778/j.issn.1002-8331.2204-0264 http://dx.doi.org/10.3778/j.issn.1002-8331.2204-0264

王浩，雷印杰，陈浩楠 . 改进YOLOV3实时交通标志检测算法［J］. 计算机工程与应用， 2022 ， 58 （ 8 ）： 243 - 248 ．

WANG H ， LEI Y J ， CHEN H N . Real time traffic sign detection algorithm based on improved YOLOV3 ［J］. Computer Engineering and Applications ， 2022 ， 58 （ 8 ）： 243 - 248 . （in Chinese）

盖荣丽，孔祥宙，秦山，等 . 基于YOLOv7改进的夜间樱桃检测方法：YOLOv7-Cherry ［J］. 计算机工程与应用， 2024 ， 60 （ 21 ）： 315 - 323 ．

GAI R L ， KONG X Z ， QIN S ， et al . Improved cherry detection method at night based on YOLOv7： YOLOv7-Cherry ［J］. Computer Engineering and Applications ， 2024 ， 60 （ 21 ）： 315 - 323 . （in Chinese）

朱世松，高虹，芦碧波，等 . 基于改进YOLOv8n的城市道路病害检测算法［J］. 液晶与显示， 2025 ， 40 （ 9 ）： 1356 - 1368 ． doi: 10.37188/cjlcd.2025-0101 http://dx.doi.org/10.37188/cjlcd.2025-0101

ZHU S S ， GAO H ， LU B B ， et al . Urban road defect detection algorithm based on improved YOLOv8n ［J］. Chinese Journal of Liquid Crystals and Displays ， 2025 ， 40 （ 9 ）： 1356 - 1368 . （in Chinese） . doi: 10.37188/cjlcd.2025-0101 http://dx.doi.org/10.37188/cjlcd.2025-0101

ZHOU K ， TONG Y F ， LI X T ， et al . Exploring global attention mechanism on fault detection and diagnosis for complex engineering processes ［J］. Process Safety and Environmental Protection ， 2023 ， 170 ： 660 - 669 . doi: 10.1016/j.psep.2022.12.055 http://dx.doi.org/10.1016/j.psep.2022.12.055

WOO S ， PARK J ， LEE J Y ， et al . CBAM： convolutional block attention module ［C］// Proceedings of the 15th European Conference on Computer Vision . Munich ： Springer ， 2018 ： 3 - 19 . doi: 10.1007/978-3-030-01234-2_1 http://dx.doi.org/10.1007/978-3-030-01234-2_1

HU J ， SHEN L ， SUN G . Squeeze-and-excitation networks ［C］// Proceedings of the 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition . Salt Lake City ： IEEE ， 2018 ： 7132 - 7141 . doi: 10.1109/cvpr.2018.00745 http://dx.doi.org/10.1109/cvpr.2018.00745

CAO W H ， FENG Z Y ， ZHANG D Y ， et al . Facial expression recognition via a CBAM embedded network ［J］. Procedia Computer Science ， 2020 ， 174 ： 463 - 477 . doi: 10.1016/j.procs.2020.06.115 http://dx.doi.org/10.1016/j.procs.2020.06.115

LI H ， LI J ， WEI H ， et al . Slim-neck by GSConv： a better design paradigm of detector architectures for autonomous vehicles ［J］. Journal of Real-Time Image Processing ， 2024 ， 21 （ 3 ）： 62 . doi: 10.1007/s11554-024-01436-6 http://dx.doi.org/10.1007/s11554-024-01436-6

胡峻峰，李柏聪，朱昊，等 . 改进YOLOv8的轻量化无人机目标检测算法［J］. 计算机工程与应用， 2024 ， 60 （ 8 ）： 182 - 191 ．

HU J F ， LI B C ， ZHU H ， et al . Improved YOLOv8 lightweight UAV target detection algorithm ［J］. Computer Engineering and Applications ， 2024 ， 60 （ 8 ）： 182 - 191 . （in Chinese）

TONG Z J ， CHEN Y H ， XU Z W ， et al . Wise-IoU： bounding box regression loss with dynamic focusing mechanism ［J/OL］. arXiv ， 2023 ： 2301 . 10051 .

刘阳阳 . 无人机双目视觉目标检测与测距方法研究［D］. 重庆：重庆大学， 2019 ： 27 - 29 ．

LIU Y Y . Research on binocular vision object detection and ranging for UAV ［D］. Chongqing ： Chongqing University ， 2019 ： 27 - 29 . （in Chinese）

YU F ， CHEN H F ， WANG X ， et al . BDD100K： a diverse driving dataset for heterogeneous multitask learning ［C］// Proceedings of the 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR） . Seattle ： IEEE ， 2020 ： 2633 - 2642 . doi: 10.1109/cvpr42600.2020.00271 http://dx.doi.org/10.1109/cvpr42600.2020.00271

Views

202

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

High-precision non-destructive identification method for maize seed varieties based on fusion of LED white-light imaging and YOLOv8 model

FFD-YOLO： LCD screen defect detection for small targets and complex backgrounds

YOLOv8-NTS： a target detection approach for traffic sign recognition

CORM-YOLO： Pedestrian detection algorithm in low-light conditions for traffic environments

Lightweight detection of foreign objects on road surfaces in challenging driving environments

Related Author

刘鹏

LI Wei

TANG Qingtao

LIU Yunyang

TANG Qingling

CHENG Yao

LI Jin

HOU Xingsong

Related Institution

Chongqing University of Technology

College of Mechanical and Electronic Engineering， Northwest AF University

School of Physics and Optoelectronic Engineering， Zhongyuan University of Technology

Henan Joinhope Xinke Seed Industry Co. Ltd.

Henan Provincial Engineering Technology Research Center of Optoelectronic Sensing and Information Processing， School of Electronic and Information， Zhengzhou University of Light Industry

AI问答

Address：No.3888 Dong Nanhu Road, Changchun, Jilin, China 130033 Postal code：130033
Tel：0431-86176059 Email：yjxs@ciomp.ac.cn
Technical support is provided by Beijing Founder electronics co., LTD 吉ICP备11002662号-17 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰