计量学报

作者：王建宇, 马小龙, 刘康, 胡冰楠

关键词：车辆检测,机器视觉,YOLOv8,毫米波雷达,数据关联算法,传感器融合

基金：浙江省自然科学基金(LTGN24E050001)

为改善车辆目标检测中单一传感器识别效果差，以及不同传感器目标之间因车辆遮挡造成关联错误等问题，提出了一种基于车载毫米波雷达和相机（视觉检测）融合的车辆检测方法。首先，采用改进的YOLOv8n_M模型对视觉信息进行检测，该模型在原始YOLOv8n模型的Neck和Head部分添加SimAM注意力机制来增强目标特征；使用具有动态非单调聚焦机制的Wise-IoU v1作为损失函数以提高边界框的回归性能；添加小目标检测层P2，改善模型对小目标车辆检测效果不佳的问题。与此同时，对雷达数据解析、预处理，筛选出雷达有效目标并对它们进行基于卡尔曼滤波算法的目标跟踪。然后，对相机和雷达进行时间和空间上的对齐。最后，计算目标检测框重叠率和中心点归一化的欧氏距离并构造关联矩阵，结合匈牙利算法完成数据匹配，输出融合目标。实验表明：在BDD100K和自制数据集中，YOLOv8n_M相较于原始YOLOv8n，mAP50分别提高了4.7%和3.6%，mAP50~95分别提高了2.9%和5.4%；在复杂交通场景下，所提关联算法的关联精确率相较于传统的最近邻域、全局最近邻域算法，分别提高了4.66%、2.91%；融合检测的检测率达到88.09%，高于单一传感器，能够实时、准确地检测车辆目标。

来源：2026年第2期

《计量学报》期刊编辑部

查看计量学报杂志2026年第2期