A detecção de veículos é crucial para os sistemas de assistência ao condutor. Devido à degradação severa das cenas rodoviárias em dias de neblina, as informações dos veículos nas imagens não são evidentes, resultando em problemas de detecção perdida e falsa detecção. Para enfrentar esses problemas, este artigo propõe um método de detecção de veículos em dias de neblina que funde radar de ondas milimétricas com visão computacional. Primeiramente, utiliza-se o algoritmo de remoção de neblina baseado no canal escuro para pré-processar as imagens, aumentando a salientação das informações veiculares nas imagens com neblina. Em seguida, aplica-se destilação de conhecimento para aprimorar o algoritmo YOLOv5s, introduzindo a destilação na rede de extração de características do YOLOv5s e calculando a perda de destilação durante as fases de localização e classificação do alvo, treinando um modelo pequeno através de retropropagação para garantir a precisão da detecção visual, ao mesmo tempo que aumenta a velocidade de detecção. Finalmente, utiliza-se um algoritmo de correspondência de distância baseado na busca por regiões potenciais de detecção de alvos para a fusão em nível de decisão dos resultados da detecção visual e do radar de ondas milimétricas. Baseando-se no tipo e distância do alvo, filtra-se informações de interferência e erros, mantendo os alvos com alta confiança de detecção da fusão do radar milimétrico e da detecção visual, melhorando assim a precisão da detecção de veículos. Os resultados experimentais mostram que o método alcança uma precisão máxima de detecção de 92,8% e uma taxa de recall de 90,7% em dias de neblina, permitindo a detecção de veículos nessas condições.

Detecção de veículos;Radar de ondas milimétricas;Remoção de neblina;Destilação do conhecimento;Correspondência de distância;Fusão em nível de decisão