采用双目视觉的道路缺陷检测与自动驾驶风险评估

摘要

道路缺陷检测作为保障自动驾驶安全的重要问题，现有道路缺陷检测方法无法满足自动驾驶精准检测道路缺陷需求。且现有的评估模型仅考虑道路缺陷的严重程度，没有考虑到缺陷距离的影响。为了解决这一问题，提出一种改进YOLOv8的道路缺陷检测和自动驾驶风险评估方法。在网络中不同位置引入注意力机制，改进YOLOv8网络并融合了双目视觉和SGBM算法。通过对比实验，得出符合自动驾驶场景的最优模型，比原始网络平均准确度提高1.31%,实现实时检测道路缺陷的类型及距离。根据检测和评估结果，对道路缺陷进行自动驾驶风险等级判定，制定了基本行驶策略。

关键词

道路缺陷 / 自动驾驶 / 神经网络 / 注意力机制 / 双目视觉