La detección de vehículos es crucial para los sistemas de asistencia al conductor. Debido a la degradación severa del escenario vial en días de niebla, la información de los vehículos en la imagen no es evidente, lo que provoca problemas de omisión y falsas detecciones. Para abordar estos problemas, en este artículo se propone un método de detección de vehículos en días de niebla que fusiona el radar de ondas milimétricas y la visión por máquina. Primero, se utiliza un algoritmo de eliminación de niebla basado en el canal oscuro para el preprocesamiento de la imagen, mejorando la visibilidad de la información del vehículo en imágenes de niebla. Luego, se utiliza la destilación de conocimiento para mejorar el algoritmo YOLOv5s, introduciendo la destilación de conocimiento en la red de extracción de características de YOLOv5s y calculando la pérdida de destilación durante las etapas de localización y clasificación del objetivo, entrenando un modelo pequeño mediante retropropagación del error, asegurando al mismo tiempo la precisión de la detección visual y mejorando la velocidad de detección. Finalmente, se emplea un algoritmo de coincidencia de distancia basado en la búsqueda de áreas potenciales de detección de objetivos para la fusión a nivel de decisión de los resultados de detección visual y del radar de ondas milimétricas. Basándose en el tipo de objetivo y la distancia, se filtran las informaciones interferentes y erróneas, conservando los objetivos con una alta confianza de detección fusionada del radar milimétrico y la detección visual, lo que mejora la precisión de la detección de vehículos. Los resultados experimentales muestran que este método alcanza una precisión máxima de detección del 92,8 % y una tasa de recuperación del 90,7 % en días de niebla, permitiendo la detección de vehículos en estas condiciones.

Detección de vehículos;Radar de ondas milimétricas;Eliminación de niebla;Destilación de conocimiento;Coincidencia de distancia;Fusión a nivel de decisión