전통적인 목표 탐지 및 거리 측정 기술에서 거리 센서의 고가, 복잡한 구간에서 낮은 탐지 정확도, 느린 탐지 속도의 문제를 해결하기 위해, 본 논문은 GGW-YOLOv8 기반의 차량 전방 거리 측정 및 목표 인식 기술을 제안한다. 이 알고리즘은 YOLOv8n을 개선하여 중간 및 대형 목표 탐지 헤드 앞에 전역 주의 메커니즘(GAM)을 도입하여 정보 손실을 줄이고 전역 상호작용을 확대하여 차량 목표의 특징 추출 능력을 향상시켰다; 목 네트워크에 GSConv 경량 컨볼루션 모듈을 도입하여 깊이 분리 컨볼루션과 셔플 연산으로 모델 파라미터와 계산량을 줄였다; 기존의 CIoU 손실 함수를 WIoU_v3 손실 함수로 교체하여 비단조적 동적 집중 메커니즘의 그래디언트 이득 분배 전략을 통해 모델의 일반화 능력과 네트워크 경계 상자 회귀 정확도를 향상시켰다; SGBM 반전역 스테레오 매칭 알고리즘을 기반으로 한 양안 시각 거리 측정 시스템을 구축하여 차량 거리 측정을 수행하였고, 차량 목표 탐지와 거리 측정을 융합한 상위 컴퓨터 시스템을 개발하여 임베디드 엣지 장치에 이식 및 배포하여 실제 차량 탑재 검증을 진행하였다. 실험 결과 개선된 모델은 YOLOv8n 대비 파라미터 수가 0.3M 감소하고 계산량이 0.2G 감소했으며, 자체 제작 데이터셋과 공개 데이터셋에서 각각 0.8%와 4.4%의 탐지 정확도 향상을 보였다; 캠퍼스 내 폐쇄 구간에서 거리 측정 결과 평균 절대 오차는 104 mm, 평균 상대 오차는 1.49%였고; 실제 도로 환경에서는 평균 절대 오차가 307.4 mm, 평균 상대 오차가 3.29%, 프레임당 평균 처리 시간은 30.12 ms로 실제 거리 측정 시나리오 요구를 충족했다.

차량 목표 탐지;YOLOv8;양안 거리 측정;임베디드 이식 및 배포