【技术实现步骤摘要】
本专利技术涉及一种适用于恶劣环境的车辆检测图像处理方法及装置。
技术介绍
1、随着自动驾驶、智能交通和智能车辆系统的快速发展，车辆检测技术在提高驾驶安全性和道路监控效率方面起到了至关重要的作用。在各种驾驶场景中，车辆检测系统需要精确识别并分析车辆及周围环境，尤其是在城市交通管理、高速公路监控和复杂的交通环境下。这类系统通常依赖于传感器、摄像头、雷达等多种技术手段，结合计算机视觉和深度学习算法，实时获取并处理环境信息。
2、然而，在恶劣天气条件下(如雨雪天气、浓雾、强光、夜晚等)，环境因素会显著影响系统的检测效果。传统的单一传感器系统容易因环境变化而失效，无法保证在复杂环境下的稳定检测。具体表现为：摄像头在雨、雪、雾等天气条件下容易受到视距模糊、光线反射等问题的影响，导致图像质量下降，无法准确识别目标物体。夜晚或强光条件下，摄像头容易受限于光线强弱变化，导致曝光过度或不足，影响检测效果。
技术实现思路
1、本专利技术的专利技术目的在于提供一种适用于恶劣环境的车辆检测图像处理方法及...
【技术保护点】
1.一种适用于恶劣环境的车辆检测图像处理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的适用于恶劣环境的车辆检测图像处理方法，其特征在于：步骤2中，所述检测网络以YOLOv7-tiny网络为基准框架，包括依次连接的第一ELAN模块、第二ELAN模块、第三ELAN模块、第四ELAN模块，各ELAN模块之间设有最大池化层MP，所述预处理图像经卷积层CBL依次输入至第一ELAN模块，第二ELAN模块、第三ELAN模块、第四ELAN模块后，分别输出3组不同尺寸的第一特征图。
3.根据权利要求2所述的适用于恶劣环境的车辆检测图像处理方法，其特征...
【技术特征摘要】
1.一种适用于恶劣环境的车辆检测图像处理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的适用于恶劣环境的车辆检测图像处理方法，其特征在于：步骤2中，所述检测网络以yolov7-tiny网络为基准框架，包括依次连接的第一elan模块、第二elan模块、第三elan模块、第四elan模块，各elan模块之间设有最大池化层mp，所述预处理图像经卷积层cbl依次输入至第一elan模块，第二elan模块、第三elan模块、第四elan模块后，分别输出3组不同尺寸的第一特征图。
3.根据权利要求2所述的适用于恶劣环境的车辆检测图像处理方法，其特征在于：步骤2中，所述elan模块包括三个卷积支路，三个卷积支路分别为普通卷积层cbl、可变形卷积层dcnv4、普通卷积层cbl与可变形卷积层dcnv4的组合；所述三个卷积支路通过连接层connet融合。
4.根据权利要求1所述的适用于恶劣环境的车辆检测图像处理方法，其特征在于：步骤3中，所述特征提取模块sppcsp包括三个池化支路，三个池化支路分别为3个不同池化核的最大池化层mp，所述3个不同池化核分别用于识别图像中的大目标、中目标、小目标；所述三个池化支路通过连接层connet融合。
5.根据权利要求4所述的适用于恶劣环境的车辆检测图像处理方法，其特征在于：步骤3中，所述3组不同尺寸的第一特征图分别为大尺寸第一特征图、中尺寸第一特征图、小尺寸第一特征图...
【专利技术属性】
技术研发人员：张静，谭亚军，郝荣荣，杜晓雨，周烨，
申请(专利权)人：中北大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。