La détection des véhicules est cruciale pour les systèmes d'assistance à la conduite. En raison de la dégradation sévère des scènes routières par temps brumeux, les informations sur les véhicules dans l'image sont peu visibles, ce qui entraîne des problèmes de non-détection et de fausses détections. Pour résoudre ces problèmes, cet article propose une méthode de détection des véhicules en temps brumeux fusionnant le radar à ondes millimétriques et la vision par machine. Tout d'abord, un algorithme de suppression de brouillard par canal sombre est utilisé pour prétraiter l'image et améliorer la visibilité des informations sur les véhicules dans les images brumeuses. Ensuite, une amélioration de l'algorithme YOLOv5s par distillation de connaissances est utilisée : la distillation est intégrée dans le réseau d'extraction des caractéristiques de YOLOv5s, et la perte de distillation est calculée lors des phases de localisation et de classification des objets, afin d'entraîner un modèle de petite taille par rétropropagation, augmentant la vitesse de détection tout en garantissant la précision de la détection visuelle. Enfin, un algorithme de correspondance de distance basé sur la recherche des zones potentielles de détection d'objets est employé pour la fusion de décision entre les résultats de détection visuelle et du radar millimétrique. En se basant sur le type et la distance de la cible, les informations parasites et erronées sont filtrées, conservant ainsi les objectifs avec une confiance élevée issue de la fusion radar-visuelle, améliorant ainsi la précision de la détection des véhicules. Les résultats expérimentaux montrent que cette méthode atteint une précision maximale de 92,8 % et un taux de rappel de 90,7 % par temps brumeux, permettant la détection des véhicules dans ces conditions.

Détection des véhicules;Radar à ondes millimétriques;Suppression du brouillard;Distillation des connaissances;Correspondance de distance;Fusion de décision