YOLO算法在自动驾驶夜视环境目标检测中的应用

YOLO算法在自动驾驶夜视环境目标检测中的应用

关键词：YOLOv5-Night、低照度增强、运动一致性校验、边缘部署、0.05 lux

---

一、研究背景与技术挑战

1.1 夜间自动驾驶的痛点

• 照度低：城市道路平均照度 0.5–20 lux，乡村道路 < 0.1 lux
• 动态噪声：CMOS 高 ISO 引入颗粒噪声，降低信噪比
• 目标混淆：路灯眩光+阴影导致误检 / 漏检

1.2 传统方案的局限

方法	优点	局限
主动红外	不受可见光影响	成本高、行人/动物检测盲区
传统视觉增强	轻量	手工特征夜间失效
普通 YOLO	端到端	低照度召回率下降 30–50 %

---

二、系统总体设计