車両検出は運転支援システムにとって非常に重要です。霧のある日の道路シーンの劣化が著しく、画像内の車両情報が不明瞭であるため、車両検出において検出漏れや誤検出の問題が発生しています。これらの問題に対処するため、本論文ではミリ波レーダーと機械視覚を融合した霧天時の車両検出手法を提案します。まず、ダークチャンネルデフォグアルゴリズムを用いて画像を前処理し、霧のある画像における車両情報の顕著性を向上させます。次に、知識蒸留を用いてYOLOv5sアルゴリズムを改良します。YOLOv5sの特徴抽出ネットワークに知識蒸留を導入し、物体の位置特定および分類段階で蒸留損失を計算し、逆伝播を用いて小型ネットワークモデルを訓練することで、視覚検出の精度を維持しながら検出速度を向上させます。最後に、潜在的ターゲット検出領域探索に基づく距離マッチングアルゴリズムを用いて、視覚検出結果とミリ波レーダー検出結果を決定レベルで融合します。検出対象の種類と距離を基にして、干渉情報や誤情報を除去し、ミリ波レーダー検出と視覚検出の融合後に検出信頼度の高いターゲットを保持することで、車両検出の精度を向上させます。実験結果は、本手法が霧天時に最高92.8％の検出精度と90.7％の再現率を達成し、霧天時の車両検出が可能であることを示しています。

車両検出;ミリ波レーダー;去霧;知識蒸留;距離マッチング;決定レベル融合