Angesichts der Probleme teurer Distanzsensoren, niedriger Genauigkeit bei komplexen Streckenabschnitten und langsamer Erkennungsraten in traditionellen Zielerkennungs- und Distanzmessverfahren schlägt dieser Artikel eine auf GGW-YOLOv8 basierende Technologie zur Messung des Fahrzeugabstands vor dem Fahrzeug und zur Objekterkennung vor. Der Algorithmus verbessert YOLOv8n durch Einführung eines globalen Aufmerksamkeitsmechanismus (GAM) vor den Erkennungsköpfen für mittlere und große Ziele, wodurch die Merkmalsextraktionsfähigkeit für Fahrzeugziele durch Verringerung des Informationsverlusts und Ausweitung der globalen Interaktion verbessert wird; am Halsnetzwerk wird ein leichter Faltungsmodule GSConv eingeführt, das durch tiefen-separable Faltungen und Shuffle-Operationen die Modellparameter und Rechenleistung reduziert; die ursprüngliche CIoU-Verlustfunktion wird durch die WIoU_v3-Verlustfunktion ersetzt, wodurch durch eine nicht-monotone dynamische Fokussierungsmechanismusstrategie die Generalisierungsfähigkeit des Modells und die Regressionsgenauigkeit der Netzbegrenzungsrahmen verbessert wird; ein auf dem SGBM halbglobalen Stereoabgleichalgorithmus basierendes Stereo-Visions-Entfernungsmesssystem zur Fahrzeugentfernungsmessung wird aufgebaut, ein übergeordnetes Computersystem entwickelt, das Fahrzeugzielerkennung und Entfernungsmessung integriert, und auf Embedded-Edge-Geräte portiert und bereitgestellt, um Tests an realen Fahrzeugen durchzuführen. Die experimentellen Ergebnisse zeigen, dass im Vergleich zum YOLOv8n-Modell das verbesserte Modell die Parameterzahl um 0,3 Mio. reduziert, die Rechenleistung um 0,2 G verringert und die Erkennungsgenauigkeit um 0,8 % bzw. 4,4 % auf dem eigenen und dem öffentlichen Datensatz verbessert; auf dem geschlossenen Campusabschnitt liegt der durchschnittliche absolute Messfehler bei 104 mm, der durchschnittliche relative Fehler bei 1,49 %; in der realen Straßenumgebung liegt der durchschnittliche absolute Fehler bei 307,4 mm, der durchschnittliche relative Fehler bei 3,29 %, die durchschnittliche Bearbeitungszeit pro Bild bei 30,12 ms, was den Anforderungen realer Entfernungsmesstechnik-Szenarien entspricht.

Fahrzeugszielerkennung;YOLOv8;Stereoskopische Entfernungsmessung;Eingebettete Bereitstellung