高级驾驶辅助系统核心模块为汽车感知，包括决策制定、运动规划和控制3部分^[1]. 高级驾驶辅助系统视觉感知部分利用摄像头采集数据^[2]，利用目标检测和轨迹跟踪算法，识别检测道路上的车辆、行人及道路标志，跟踪移动轨迹，实现保持车距、盲点监测、调整行驶路径等关键任务. 基于深度学习的目标检测算法YOLOv8 是Ultralytics 公司推出的YOLO 系列单阶段目标检测算法，适用于图像分类、物体检测、实例分割等任务. 学者针对小目标、多尺度变换、模型参数等问题优化YOLOv8 模型. Wang等^[3] 将小目标检测结构嵌入网络，融合浅特征和深特征，并在YOLOv8m骨干底层引入全局关注，提高小目标语义信息收集. Zhang 等^[4]提出CR-YOLOv8多尺度交通检测模型，在特征提取模块引入注意力机制增强通道和空间特征，在特征融合模块引入Receptive Field Block 模块，提升网络多尺度目标检测能力. Ma 等^[5]提出小目标轻量级目标检测算法，引入GhostNet 作为YOLOv8 骨干网络，融合Soft-NMS 算法多尺度注意模块.

目标跟踪技术在车辆协同行驶中发挥关键作用，实时监测目标车辆的位置变化，结合传感器数据和几何关系计算前车速度，从而保持安全距离. 以AlexNet 为代表的深度学习方法应用在图像处理领域，孪生网络、强化学习框架融入目标跟踪算法^[6]. 基于AlexNet 网络进行图像处理的方法，Bertinetto 等^[7]提出端到端的全卷积网络，将深度学习与相关滤波结合实现目标跟踪. 聂源等^[8]融合MFF-YOLOv7 和Bytetrack 算法，在MOT17 和Visdrone-MOT 多目标跟踪数据集上进行实验，在动态视频跟踪中性能表现良好. Zheng等^[9]提出YOLO-BYTE 多目标跟踪方法，改进卡尔曼滤波器的状态参数和ByteTrack 算法，提高跟踪框匹配目标精度.

汽车感知包括外部环境感知和舱室内部状态感知^[10]. 环境感知的核心任务是准确识别、跟踪、理解道路行车环境^[11]，通常使用摄像头、激光雷达、超声波等传感器获得数据. 考虑经济性、灵活性、数据可视化等因素，摄像头成本低、不受到空间结构限制，可捕获颜色、形状、纹理等视觉信息.

传统车辆图像测距主要方法包括逆投影变换、数据回归建模和相机几何模型. 随着图像处理算法的发展，学者利用神经网络强大的端到端学习能力，将图像检测算法与传统测距方法相结合提出测距方法，建立输入与输出之间的非线性复杂关系. 通过图像检测算法预测目标在图中的位置和尺寸信息，并结合相机成像几何关系，实现像素坐标系与世界坐标系的映射转换，实现车辆测距. 例如，Dirgantara 等^[12] 提出基于SSD目标检测框架的测距方法，通过神经网络输出的检测框参数作为特征输入，结合线性回归模型实现前方车辆距离估计. Song 等^[13]融合多视觉线索，包括2个连续时间单目图像提供的深度特征、场景几何和时间光流线索，进而提出基于深度神经网络训练的车辆间距离和相对速度估计方法. Liu 等^[14]提出YOLO 目标检测模型和长短焦距相机相融合的测距方法，通过长、短焦距融合匹配，利用车牌宽度计算实际车辆宽度并估计距离. Liu 等^[15]提出基于深度学习的车辆距离估计方法，构建卷积神经网络，并将车辆图像放入网络中训练；从原始图像中检测车牌的位置和距离，结合几何视觉测距原理，实现对前方车辆的定位和距离测量. 但由于车牌的尺寸较小，远距离检测、测距具有局限性. Gao 等^[16]提出使用YOLOv4 算法检测车辆前方障碍物，获取障碍物的类别和位置信息，利用改进的边缘检测算法调整检测框的位置，根据相机成像原理和几何关系，通过三维坐标到像平面二维坐标的转换模型实现测距.

基于精确测定的前车距离数据，结合目标跟踪技术提取的连续帧间目标车辆的位置变化，可实时计算前车行驶速度. Czajewski 等^[17]将车牌作为特征块，根据连续图像车辆位置之间的垂直差测量车辆速度，但未以特征点所在平面建立坐标系，导致结果误差较大. Arenado 等^[18]通过目标检测算法定位前方车辆车牌，建立车牌像素尺寸与实际距离的映射关系模型，再通过分析连续帧图像，计算车辆相对速度. Yang 等^[19]从立体视频提取车辆车牌特征，根据立体视觉系统参数和立体视频车辆的视差，计算车辆实际空间位置和连续视频帧间的车速. Yang 等^[20]提出基于ECA-yolov4 的车辆多特征检测反打，设计基于后视镜、车灯、车标、车牌的双目立体视觉的车辆多特征测速系统.

诸多学者将深度学习网络与传统测距方法结合实现距离测定，但对特征点被遮挡情况下的研究较少. 针对上述不足，本研究提出基于车辆图像特征的前车距离感知模型与车辆跟踪测速模型.创新研究工作包括：1) 设计车辆特征提取网络，通过卷积、池化、激活函数操作，提取图像中车辆特征，生成车辆特征向量；2) 串联拼接融合多维车辆图像特征向量，建立车辆测距神经网络，端对端学习车辆图像特征与前车距离的非线性复杂关系，构建基于车辆图像特征的前车测距模型，实现前车距离测定； 3) 在YOLOv8n 模型基础上引入小目标检测头，采用Wise-IoU^[21] 损失函数，提出SW-YOLOv8n车辆目标检测模型，并结合Bytetrack^[22]跟踪网络提取视频帧间信息，提出车辆跟踪测速模型，实现前车速度感知；4) 设计前车无遮挡与遮挡场景下的前车距离感知实验，验证距离感知模型的可行性，设计前车速度感知实验，验证车辆跟踪测速模型稳定性.

为了提高车辆目标检测模型的准确率，在YOLOv8n 网络引入小目标检测头，采用Wise-IoU 损失函数，提出SW-YOLOv8n 车辆目标检测模型.

SW-YOLOv8n 结构包括主干特征提取网络 (Backbone) 、特征融合网络 (Neck) 以及检测头 (Head) 3个部分. Backbone 部分负责提取输入图像特征，并传递给后续检测层. Neck 部分引入自顶向下和自底向上的双向融合骨干网络，通过添加 shortcut 连接来缩短层之间的路径，使用自适应特征池化融合不同层次的特征，保证特征的完整性和多样性. 如图1所示为SW-YOLOv8n车辆目标检测模型. 图中，k表示卷积核大小，s表示卷积步长，p表示边缘填充像素数，n表示模块重复次数或深度系数. 在Neck原有结构P3、 P4、 P5 层3个检测头基础上，引入尺寸为160×160的特征图，增加小目标检测层. SW-YOLOv8n 检测头变为P*、P3¹、P4、P5. 通过增加下采样和拼接操作获得更大的感受野，实现多层级特征图融合；同时，提供小目标语义信息和特征图表示，减少远距离小目标车辆的漏检问题. Head部分采用解耦头结构，将回归分支和预测分支分离，生成目标检测的结果 (预测目标框的坐标和类别)，并利用无锚分裂 (Anchor Free) 策略直接预测目标框的位置. SW-YOLOv8n损失函数包括目标分类损失函数和边界框坐标回归损失函数. 目标分类损失采用二元交叉熵损失函数 (BCELoss) ，衡量模型预测目标类别与实际目标类别的差异. 边界框坐标回归损失采用基于动态非单调聚焦机制的Wise-IoU (WIoU) 损失函数，衡量模型目标边界框坐标回归预测和实际边界框间的差异，通过调整预测的边界框位置，减小模型目标检测中的定位误差. WIoU损失函数通过实时梯度增益分配测量，降低低质量锚框产生的有害梯度，同时抑制高质量锚框的竞争力，从而增强模型对普通锚框的专注度. 基于注意力的边界框损失WIoUv1 表达式如下：

(1)$ \left. {\begin{gathered} {{\text{IoU}} = \dfrac{{\left| {{B^{{\text{pred}}}} \cap \left. {{B^{{\text{gt}}}}} \right|} \right.}}{{\left| {{B^{{\text{pred}}}}\left. { \cup {B^{{\text{gt}}}}} \right|} \right.}}} ， \\ {{L_{{\text{IoU}}}} = 1 - {\text{IoU}} = 1 - \dfrac{{{W_i}{H_i}}}{{{S_{\mathrm{u}}}}}}， \\ {R_{{\text{WIoU}}}} = \exp \left(\dfrac{{{{(x - {x_{{\text{gt}}}})}^2}+{{(y - {y_{{\text{gt}}}})}^2}}}{{{{(W_{\text{g}}^2+H_{\text{g}}^2)}^*}}}\right)， \\ {{L_{{\text{WIoUv1}}}} = {R_{{\text{WIoU}}}}{L_{{\text{IoU}}}}} .\\\end{gathered}} \right\} $

式中：IoU 表示真实目标边界框B^gt和预测框B^pred的重叠程度；R_WIoU表示预测框和真实框中心点之间的归一化距离；W_i、H_i表示第i个预测框与真实框相交区域的宽、高；W_g、H_g表示预测框与真实框最小外接框的宽、高；S_u表示预测框和真实框的联合区域；(x, y) 表示预测框的中心点坐标，(x_gt, y_gt) 表示真实框的中心点坐标； * 表示将W_g、H_g 从计算图中分离，消除阻碍收敛的因素.

在城市道路车辆检测中，同向行驶车辆与垂直方向行驶车辆的长宽比例差异较大，且载体车辆与前车的相对距离动态变化，导致目标检测框的尺寸具有不平衡性. WIoU 损失函数能够预测更加精确的目标检测框，为前车距离与速度感知模型提供精确数据.

基于深度学习的Bytetrack 多目标跟踪算法，结合SW-YOLOv8n 车辆目标检测模型，形成SW-YOLOv8n-Bytetrack车辆目标检测跟踪网络，原理如图2所示. 视频帧通过SW-YOLOv8n 车辆检测模型获取检测结果 (车辆检测框及置信度). 根据置信度，将检测框分为高得分集合D_high (置信度≥ 0.6) 和低得分集合D_low. D_high 中的检测框与轨迹通过匈牙利算法进行首次匹配，匹配成功则更新卡尔曼滤波状态，并将检测框加入对应轨迹集合；若未匹配成功检测框的置信度高于跟踪得分阈值，则初始化新轨迹，否则直接忽略；未匹配的轨迹与D_low 中的检测框进行第2次匹配，匹配成功则更新卡尔曼滤波并存入轨迹集合；对于未匹配的低分检测框 (置信度< 0.1)，直接剔除；未匹配轨迹若持续超过 30 帧未更新则删除，否则继续更新卡尔曼滤波状态并保留.

相机成像是将三维世界中的物体通过数学模型映射到二维成像平面的过程，原理如图3所示.

转换过程涉及世界坐标系$ {O_{\mathrm{W}}}\text{-} {X_{\mathrm{W}}}{Y_{\mathrm{W}}}{Z_{\mathrm{W}}} $、相机坐标系$ O{}_{\mathrm{C}} \text{-} {X_{\mathrm{C}}} {Y_{\mathrm{C}}} {Z_{\mathrm{C}}} $、图像坐标系$ o\text{-} xy $、像素坐标系$ {o_0}\text{-}uv $ 这4个坐标系^[23]. P (X_W, Y_W, Z_W) 为世界坐标系中目标物体上的一点，在相机坐标系中对应点 p (X_C, Y_C, Z_C)，映射在图像坐标系的成像点为p' (x, y). 像素坐标系像素点用有序的二元组 (u, v) 表示， (u₀, v₀) 为图像像素坐标系的原点坐标. dx、dy 为每个像素点在图像坐标系 x 轴、y 轴的尺寸，为相机固有参数. 通过刚体变换、透视投影、仿射变换可得图像像素坐标系点 (u, v) 到世界坐标系点 (X_W, Y_W, Z_W) 的转换如下：

(2)$ \begin{split} \left[ {\begin{array}{*{20}{c}} u \\ v \\ 1 \end{array}} \right] =& \frac{1}{{{Z_C}}}\left[ {\begin{array}{*{20}{c}} {{f_x}}&0&{{u_0}}&0 \\ 0&{{f_y}}&{{v_0}}&0 \\ 0&0&1&0 \end{array}} \right]\left[ {\begin{array}{*{20}{c}} {{{\boldsymbol{R}}_{3 \times 3}}}&{{{\boldsymbol{T}}_{3 \times 1}}} \\ {\bf{0}}&1 \end{array}} \right] \times \\& \left[ {\begin{array}{*{20}{c}} {{X_{\mathrm{W}}}} \\ {{Y_{\mathrm{W}}}} \\ {{Z_{\mathrm{W}}}} \\ 1 \end{array}} \right] = \frac{{{{\boldsymbol{M}}_1}{{\boldsymbol{M}}_2}}}{{{Z_C}}}\left[ {\begin{array}{*{20}{c}} {{X_{\mathrm{W}}}} \\ {{Y_{\mathrm{W}}}} \\ {{Z_{\mathrm{W}}}} \\ 1 \end{array}} \right] .\end{split} $

式中：${f_x} = \dfrac{f}{{{\mathrm{d}}x}}$，${f_y} = \dfrac{f}{{{\mathrm{d}}y}}$，f表示相机焦距，M₁ 表示相机的内参，包括相机的焦距、光轴与图像平面的焦点位置等内部参数；M₂ 表示相机的外参，由旋转矩阵$ {{\boldsymbol{R}}_{3 \times 3}} $、$ {{\boldsymbol{T}}_{3 \times 3}} $组成.

基于单目视觉成像原理，通过世界坐标系到像素坐标系的几何变换关系，建立三维场景与二维图像的投影映射模型. 利用相机标定获取的内参矩阵，结合相机外部参数，建立车辆横纵距离几何算法.

车辆横纵距离几何模型如图4所示，在SW-YOLOv8n 模型中输入视频帧图像，输出被检测车辆的类别、类别置信度、检测框左上角顶点坐标 $ ({u_{\min }},{v_{\min }}) $、右下角坐标 $ ({u_{\max }},{v_{\max }}) $. 通过计算可得检测框底边中心点坐标 p (u, v)、检测框的高h、宽w及面积s，表达式如下 ：

(3)$ {\begin{gathered} {u = {{({u_{\min }}+{u_{\max }})}}/{2}} ， {v = {v_{\max }}}, \\\end{gathered}} $

(4)$ h = {v_{\max }} - {v_{\min }} ,$

(5)$ w = {u_{\max }} - {u_{\min }} ,$

(6)$ s = h w .$

O 为相机靶面中心 (见图3中图像坐标系O)，O_C为相机光心 (见图3中相机坐标系O_C)，焦距为f，P 为目标检测车辆测距特征点，映射在图像上为点p (u,v)，A 与 a 两点连线与光轴夹角为$\varepsilon $. 设光轴与水平坐标系的夹角 (俯仰角) 为 $\alpha $，且相机与被检测车辆之间的横向距离为 TD、纵向距离为 LD. 借鉴既有模型^[24]，相对前车横、纵距离的表达式如下：

(7)$ {\mathrm{LD}} = \frac{H}{{\tan \left(\alpha +\arctan \left(\dfrac{{v - {v_0}}}{{{f_y}}}\right)\right)}} ，$

(8)$ {\mathrm{TD}} = \dfrac{{\left[ {{H^2}+{{\left(\dfrac{H}{{\tan \left(\alpha +\arctan \left(\dfrac{{v - {v_0}}}{{{f_y}}}\right)\right)}}\right)}^2}}\right] ^{1/2}}}{{\sqrt {{m^2}+{f^2}} }}t .$

式中：H表示相机安装高度；t 表示 a 点到 p 点的水平距离，t = (u−u₀) dx；m 表示 a 点到图像中心点 O的垂直距离，m = (v−v₀) dy.

随着计算机视觉技术的发展，深度学习算法能够识别和检测图像或视频中的车辆，并精确地计算2辆车之间的实际距离. 该技术对提升驾驶安全性、优化交通流管理及自动驾驶车辆的决策具有重要意义. 在SW-YOLOv8n 模型中输入视频帧图像，输出目标车辆的检测框信息，作为车辆图像位置特征；车辆图像经预处理后，利用车辆特征提取网络提取车辆特征向量；通过横纵距离几何算法计算相对前方车辆的横纵距离特征；最后，构建基于车辆图像特征的前方车辆测距模型，将车辆图像特征串联拼接融合，车辆测距神经网络基于融合数据进行训练推理，实现前方车辆距离感知. 测距模型流程如图5所示.

相机安装在车辆上的高度、角度固定，相机的内部参数保持一致. 当相对前方车辆的横、纵距离改变时，前方车辆的像素大小和呈现特征均具有差异性. 通过车辆特征提取网络获取车辆特征向量，为前车距离感知提供数据.

车辆特征提取网络为卷积神经网络，基于卷积操作和池化操作，逐层提取和组合车辆特征，形成抽象、具判别力的特征表示. 如图5所示，图像预处理后，尺寸调整为3×128×128. 经过5个卷积层进行卷积操作，提取车辆图像多层次特征. 其中，conv1、conv2、 conv3、 conv4、conv5 分别包含64、128、32、8、4个卷积核. conv1 提取图像边缘、纹理特征，帮助网络学习图像局部特征；conv2 在图像中挖掘复杂的特征，提取高级别特征；conv3、conv4 和cconv5 执行降维操作，通过降低通道数，减小网络复杂度. 卷积后应用最大池化层逐渐减小特征图的尺寸，降低计算复杂度. 采用 ReLU (Rectified Linear Unit) 激活函数引入非线性性质，对每个卷积核的输出进行非线性变换，使网络能够学习复杂特征. 最后对车辆特征图展平处理，生成16维车辆特征向量.

车辆测距神经网络由6个全连接层组成，构造如图6所示. 将串联拼接融合后的23维车辆图像特征向量输入车辆测距神经网络，为车辆测距神经网络输入层提供原始数据. 输入层包含23个神经元，将输入数据转换为适合神经网络处理的形式. 全连接层F1、F2、F3、F4 分别包含32、48、16、8个神经元，输出层包含1个神经元，输出相机到被测车辆的实际距离. 全连接层通过权重矩阵和偏置向量对输入数据进行线性变换，每个神经元都与前一层的所有输出相连，通过对输入特征的线性组合与偏置项的叠加，实现特征的线性组合. 通过 ReLU 激活函数引入非线性性质，捕捉数据中的复杂模式，提取数据高级特征，有助于对输入数据的抽象表示.

车辆测距神经网络为前馈神经网络，用于回归任务，分为训练和推理2个阶段. 在训练阶段，将 23维车辆图像特征向量输入车辆测距神经网络，网络学习从输入数据到输出距离的复杂映射，生成最优权重参数模型. 在推理阶段，加载训练好的模型最优权重参数模型，将前方目标车辆的23维车辆图像特征数据传递给网络，完成前向传播，以获取相机相对前方目标车辆的实际距离.

针对不同类型的车辆，调整神经网络结构的层数与每层网络的深度和宽度，适应前方车辆距离感知任务和数据集需求. 通过反向传播算法，模型参数在训练数据上不断优化，获得最佳车辆距离估计.

车辆测速技术是车辆外部环境感知的关键，为智能交通系统提供数据支持，提高道路交通的安全和效率. 基于SW-YOLOv8n-Bytetrack车辆目标检测跟踪网络，提出车辆跟踪测速模型. 通过分析视频帧的动态特性与帧间距离，估计车辆速度，保障道路安全、优化交通流、提升交通系统的整体性能. 采用视频作为输入数据，利用SW-YOLOv8n 模型获取第 i 帧和 i+n 帧图像的车辆检测结果. 将检测结果输入前方车辆测距模型中，输出第 i 帧、第 i+n 帧相机相对车辆的距离分别为 D_i、D_i+n. 利用Bytetrack目标跟踪算法在相邻帧之间建立车辆的运动轨迹，实现前方目标车辆的实时跟踪. 根据帧间信息，计算前方目标车辆的速度，流程如图7所示.

通过 OpenCV 获取视频帧帧率 F (单位为Hz或S⁻¹)，并设相机载体车辆的速度为 v_z (单位为km/h).

综合所述参数，推导前方目标车辆相对平均速度表达式如下：

(9)$ \bar v = \frac{{\Delta s}}{{\Delta t}} = \frac{{F({D_i}_{+n} - {D_i})}}{n} \times 3.6 .$

推导前方目标车辆实际速度表达式如下：

(10)$ v = \bar v+{v_z}. $

实验操作系统为 Windows10 64位；实验硬件CPU 为 Intel (R) i9-10900K CPU@370 GHz，GPU 为NVIDIA GeForce RTX 3090，内存为64 G；基于 Python3.10和 PyTorch2.1.0 搭建深度学习框架，CUDA版本11.3.

车辆目标检测的输出结果为基于车辆图像特征的前车距离与速度感知模型的数据输入基础. 如图8所示，视频帧通过 SW-YOLOv8n-Bytetrack 网络，生成目标车辆的ID、车辆类别和车辆目标检测框信息. 根据第 i 帧和第 i+n 帧车辆检测框坐标位置特征，计算车辆横纵距离特征. 预处理车辆图像，输入车辆特征提取网络提取车辆特征. 将车辆图像特征串联拼接融合为23维特征向量，输入基于车辆图像特征的车辆测距模型，测定第 i 帧和第 i+n 帧的相机到前车的实际距离. 根据跟踪结果提取帧间信息，利用车辆跟踪测速模型计算前方车辆速度，实现前方车辆距离和速度感知.

实验数据集由 BDD 100K图像数据集和自建数据集组成，共3800张图像，示例如图9所示. 数据集具有多样性，包含晴天、夜晚、阴雨天、雪天等天气场景，城市道路、道路交叉口、隧道等交通场景，可以提升模型在实际道路场景中的表现.

为了增强模型泛化能力，随机抽取部分实验数据集进行裁剪、色彩抖动、高斯噪声等数据增强操作，将实验数据集扩充至5200张. 根据车辆检测任务，设置 car、truck、van、bus 共4类车辆标签. 采用 labelImg 标注工具标注，在人工标注完成后，制成供目标检测模型读取的数据集格式.

基于车辆图像特征的前车距离与速度感知模型的输入数据依赖于车辆图像检测输出，车辆目标检测模块须同时满足高精度和实时性的技术指标. 目标检测实验选取召回率 Recall、平均精度 mAP、每秒帧数 FPS作为评价指标. Recall 表示预测为正例的样本中，预测正确的正例样本数占实际正例样本总数的比例；AP表示单个类别平均精准度，为 P-R 曲线所占面积，mAP50为所有检测类别在IoU = 0.50时的平均精度；mAP50−90为所有检测类别在IoU从0.50到0.95的平均精度. 具体表达式如下：

(11)$ {\text{Recall}} = \frac{{{\text{TP}}}}{{{\text{TP+FN}}}}， $

(12)$ {\text{AP}} = \int_0^1 {P({\mathrm{Recall}}){\text{dr}}}， $

(13)$ {\text{mAP}} = \frac{1}{K}{{\displaystyle\sum\limits_{i = 1}^K {{{\mathrm{AP}}_i}} }}, $

(14)$ {\text{mAP50}} =\frac{1}{K}{{\displaystyle\sum\limits_{i = 1}^K {{\mathrm{A}}{{\mathrm{P}}_i}} }}\,\,({\text{IoU}} = 0.5)， $

(15)$ {\text{mAP50}}- {\mathrm{95}} = \frac{1}{K}\sum\limits_{i = 1}^K {\frac{1}{{10}}\sum\limits_{t = 1}^9 {\mathrm{A}} {{\mathrm{P}}_i}} \,\,({\text{IoU}} = 0.5+0.05t)， $

(16)$ {\mathrm{FPS}} = {{{F_{\mathrm{T}}}}}/{{{T_{\mathrm{C}}}}}. $

式中：P 表示精确率，TP 表示真正例，FP表示假正例，FN表示假反例，K 表示类别数，F_T 表示总帧数，T_C 表示检测时间.

为了验证SW-YOLOv8n 车辆目标检测模型性能，将消融与对比实验中的训练超参数保持一致. 采用经验值作为模型超参数的取值，训练总轮数为 200，训练批次大小为8，图像输入尺寸为 640×640，采用随机梯度下降算法 (SGD) 优化器，初始学习率设置为 0.01，动量因子设置为0.9，重衰减学习率设置为 0.000 1.

1) 消融实验. 为了验证改进策略的有效性，以 YOLOv8n 模型实验结果为基线，在相同实验环境进行消融实验，结果如表1 所示，曲线如图10所示. 实验结果表明，增加小目标检测头并采用WIoU 损失函数，Recall、mAP50、mAP50−95分别提升4.4、1.6、2.3个百分点；模型更快地收敛到更好的检测结果，优化了数据处理流程，减少了训练和推理过程中的冗余计算，FPS提升了33.63，表明模型适用于城市道路实际场景中的实时车辆目标检测. 实验结果表明，优化后的车辆目标检测模型，能够为基于车辆图像特征的前方车辆测距模型提供实时性准确数据.

2) 对比实验. 在硬件条件、计算机环境配置、初始参数设置等实验环境相同的情况下，选取单阶段目标检测模型 YOLOv5、YOLOv7^[25]，两阶段目标检测模型 Faster-RCNN^[26]，与SW-YOLOv8n 模型进行对比实验. 实验结果如表2所示，曲线如图11所示. 可以看出，在检测精度方面，SW-YOLOv8n 模型的mAP50 分别比YOLOv5、YOLOv7、Faster-RCNN 的高1.8、1.4、2.6个百分点，mAP50−95 分别比YOLOv5、YOLOv7、Faster-RCNN的高5.6、2.0、14.0个百分点；在检测速度方面，SW-YOLOv8n 模型的 FPS 比 YOLOv5 模型的低86.67，比YOLOv7 模型的高143.8；在模型大小M方面 ，YOLOv5 模型最小，YOLOv7 、Faster-RCNN、SW-YOLOv8n模型的大小分别为74.8、521.0、6.3 MB. 车辆目标检测结果须为前车距离与速度感知提供重要数据，综合考虑实时性、准确性与轻量化因素，选取 SW-YOLOv8n 作为车辆目标识别检测模型.

相机标定是通过建立世界坐标系三维点与成像平面二维点的映射关系，确定相机的内部参数和外部参数，实现二维图像坐标到三维世界坐标的转换. 实验相机标定采用张氏标定法，选用索尼HDR-CX680相机 (镜头焦距为1.9 mm)，并采用规格为12×9 (单元格边长为30 mm) 的棋盘格标定板，通过提取棋盘格角点作为特征点完成标定过程.

固定相机位置，改变棋盘的方位、角度捕捉图像，共拍摄20张图像. 正向、上倾斜45°、下倾斜45°、旋转90°的部分图像样例如图12所示.

通过 OpenCV 标定工具箱获取内角点的坐标，并将坐标传递给 Calibrate Camera 函数，获得相机的内部参数 f_x 、f_y、u₀、v₀ 分别为1429.10、1429.15、963.46、544.27像素. 将内外参数代入车辆横纵距离几何算法公式(式 (11)、(12) )求解横向与纵向距离.

为了使实验过程更接近真实的交通场景, 采用静态与动态结合的方式，采集真实道路数据构建前车距离与速度感知数据集. 安装静态单目相机，高度为1.4 m，俯仰角为2°.

1) 测距数据集. 前方车辆测距实验数据来自真实道路静态采集，单目相机相对目标车辆左方横向偏移0 ~9.5 m且纵向在5 ~50 m范围内，在前车未被遮挡与有遮挡场景下分别测得80组实验数据. 其中，在前车未被遮挡场景中随机划分65组数据为训练集，15组数据为验证集. 在前车有遮挡场景中随机划分70组数据为训练集，10组数据为验证集. 每组实验数据由2部分组成：通过单目相机拍摄的车辆图像；使用激光测距仪、卷尺作为测距工具测得的相机与车辆的实际距离.

2) 测速数据集. 前方车辆测速实验场景选取真实道路动态采集，设置相机相对前车3种横向距离. 实验车辆分别以仪表盘10、20、30 km/h的速度匀速直线行驶，并在实验车辆的行驶路段进行距离标记. 实验数据由2部分组成：车辆仪表盘测得实验车辆的行驶速度；单目相机拍摄的实验车辆行驶视频. 视频帧跟踪结果示例如图13所示.

为了验证基于车辆图像特征的前方车辆测距模型与车辆跟踪测速模型的有效性和可行性，在真实封闭道路开展前方车辆测距和测速实验并进行结果分析.

1) 前方车辆测距实验分析. 为了验证基于车辆图像特征的前方车辆测距模型在驾驶场景的适用性，针对前车无遮挡与前车有遮挡2种场景展开测距实验误差分析.

在前车无遮挡场景下，借鉴文献[24]的车辆测距实验结果分析，可知车辆横纵距离几何算法能够有效计算相机相对车辆的横向、纵向距离，供车辆测距神经网络训练、推理. 在前车有遮挡场景下，对车辆横纵距离几何算法进行误差分析. 训练集车辆图像经过SW-YOLOv8n模型输出车辆检测框坐标，通过式(3)~(6) 计算车辆特征点坐标 (u, v)、检测框的高 h、宽w及面积. 将特征点坐标、相机标定得到的内部参数以及外部参数代入式 (7)、(8) ，计算相机相对前方目标车辆的横向、纵向距离. 根据真实测量的横向、纵向距离计算误差. 根据实际横向距离不同，将前车有遮挡条件下的训练集分为5个实验组，相机相对车辆实际横纵距离与几何算法计算结果之间的误差如图14所示. 图中，x_tra、x_lon为实际横向、纵向距离，$\Delta x_{{\mathrm{tra}}} $、$\Delta x_{{\mathrm{lon}}} $为横向、纵向距离计算误差. 根据结果分析，在有遮挡条件下，几何算法的横向、纵向距离的平均误差分别为0.2562、0.4912 m，横向距离最小误差、最大误差分别为0.0010 、0.9124 m，纵向距离最小误差、最大误差分别为0.0362 、1.3768 m. 综上分析表明，在前车有遮挡情况下，且在横向距离为0~9.5 m、纵向距离为0~50 m的范围内，仅使用车辆横纵距离几何算法计算相机相对车辆的距离具有较大误差.

车辆测距神经网络训练集和测试集数据来自真实道路场景，旨在评估模型的准确性. 基于前车无遮挡和有遮挡场景采集的测距实验数据，通过图像裁剪、特征提取及多帧融合处理，构建车辆测距数据集. 将车辆图像通过 SW-YOLOv8n 模型进行检测，得到车辆检测框角点坐标 (u_min, v_min)、(u_max, v_max). 将角点坐标代入式 (3)~(6) 得到车辆图像特征信息特征点坐标 (u, v)、检测框的高 h、宽 w、面积 s. 特征点坐标与相机内外参数代入式 (7)、(8) 得到相机与车辆横纵距离特征 TD 与 LD. 进行预处理，将车辆图像输入车辆特征提取网络提取车辆16维特征向量. 采用串联拼接方法，将数据融合为23维车辆图像特征向量，分别构建无遮挡和有遮挡条件下的测距数据集. 在测距神经网络模型中，创建自定义数据集类 CustomDataset 加载训练数据，并将其组织为数据加载器 DataLoader. 数据加载器同时读取车辆图像特征向量和实际测距真值，支持批量数据处理，以实现神经网络的端到端训练.

为了提升特征学习精度，采用小批量训练策略(batch_size=1)，使用Adam优化器 (学习率为0.0001)优化网络，以均方误差为损失函数评估预测准确性. 在车辆测距神经网络的训练过程中，输入数据通过前向传播依次经过各隐藏层，最终在输出层生成预测结果. 在反向传播阶段，采用均方误差损失函数计算预测距离与实际距离的差值，将误差梯度从输出层逐层反向传播至输入层，利用梯度下降算法更新各层的权重矩阵和偏置向量. 经过3000轮次的迭代训练，得到训练损失(LOSS)，曲线如图15所示，随着迭代次数的增加，损失呈下降趋势收敛，模型不断趋近最优解. 在训练完成后，得到网络在训练过程中学习的最优权重模型weight.pth. 在推理阶段，输入数据经由最优参数化的网络前向传播，在输出端生成车辆距离预测值，通过绝对误差与相对误差指标进行测距性能评估.

如表3表示为无遮挡场景下前车距离感知模型测定距离及误差. 表中，CD表示几何算法计算的距离；AD表示使用测距工具测得的相机与车辆的实际距离；ED表示前车距离感知模型的测定距离；AE表示前车距离感知模型的测定距离与实际测得距离的绝对误差，RE表示相对误差；RE^[24]表示文献[24]测距方法与实际测得距离的相对误差. 数据表明，在无遮挡条件下，前车距离感知模型测距最大误差为0.9665 m，最小误差为0.0135 m，平均绝对误差为0.4433 m (平均相对误差为1.8689%). 在前车未被遮挡场景的验证集上，前车距离感知模型的测距误差均控制在1 m以内. 文献[24]的几何测距方法的相对误差为1.03%，低于本研究测距模型误差.

如表4表示有遮挡条件下前车距离感知模型测定距离及误差. 数据表明，在前车存在遮挡的条件下，测试集预测距离最大误差为 0.7428 m，最小误差为 0.0599 m，平均误差为0.3882 m，平均相对误差为2.02%. 相对而言，几何测距的适应性与容错能力较差，误差偏大，相对误差为4.28%，大于前车距离感知模型测距误差. 综上，基于车辆图像特征的前方车辆测距模型突破了几何计算依赖单一信息源的弊端，能够通过大量数据训练建立复杂环境下图像特征与前车距离的非线性映射关系，在遮挡条件下仍能具有鲁棒性和泛化能力，实现前方车辆距离感知.

Liu等^[14]采用轻量化YOLOv3网络结合双焦距相机检测，通过计算车辆宽度实现距离估计，在纵向距离为0~40 m范围内的平均误差为0.79 m，基于较小车牌目标的测距呈现距离-误差正相关特性. Gao等^[16]通过YOLOv4算法对车辆前方障碍物检测获取位置信息，根据相机成像原理和几何关系，建立路面三维坐标与成像平面二维坐标的转换模型，估计正前方车辆距离，在实际距离为5~50 m的范围内，平均误差为0.5356 m. 文献[14]、[16]的误差结果均大于本研究方法的平均绝对误差0.4433 m，且缺少对其他车道条件下的前车距离测定的研究.

2) 前方车辆测速实验分析. 实验采用真实道路场景下的动态车辆视频数据，测试车辆分别以10、20 、30 km/h (基于仪表盘显示速度) 的恒定速度行驶，验证和评估车辆跟踪测速模型性能. 通过OpenCV 获取目标车辆测速的视频帧率为30.0 Hz. 为了保证实验车辆为稳定行驶状态，选取视频中间区域帧区间进行实验分析. 将选取帧的图像输入SW-YOLOv8n模型，获得车辆在图像中位置特征；根据检测框提取车辆图像中的车辆特征向量，计算车辆横纵距离特征TD与LD. 串联拼接融合车辆图像特征向量，将其输入基于车辆图像特征的车辆测距模型，测定第 i 帧和第 i+n 帧的相机到前车的实际距离，将测定结果代入式 (9)、(10)，得到前车行驶速度，结果如表5所示. 表中，LDD表示相机相对前车的3种横向距离，MS表示车辆跟踪测速模型测定速度，AS表示平均速度，n表示间隔帧数, $\Delta $s表示载体车辆与前车帧间距离的变化值. 实验结果表明，在10~30 km的车速范围内，相较于仪表盘显示速度，最大误差为2.8746 km/h，最小误差为0.1812 km/h. 误差来源主要有以下3个方面：1) 在真实道路情况下，实验车辆以仪表盘显示的速度匀速直线运动，车辆的运动受到环境因素、机械因素和路面因素等多重影响，导致车辆实际速度与仪表盘显示速度之间存在差异；2) 车辆速度传感器存在误差，导致仪表盘显示速度与实际速度存在差异；3) 人为控制车速不精确，且仪表盘速度显示精确度不足.

为了进一步评估模型测速的稳定性，以10帧为单位选取车辆相邻帧区间进行结果分析，并选取相邻2帧计算车辆瞬时速度. 结果表明，在v_c=10~30 km/h的车速范围内，在横向距离与车速相同的条件下，模型测得的最大与最小速度之间的最大差值为1.10 km/h，最小差值为0.69 km/h. 通过相邻2帧测得的车辆瞬时速度与区间平均速度的最大、最小差值分别为0.07、0.90 km/h. 实验结果表明，基于多场景视频数据的测试验证，车辆跟踪测速模型能够在前方目标车辆速度测量中保持稳定的性能表现.

Yang等^[19]通过使用双目立体视觉确定每帧的车辆位置，根据帧间位置和距离计算车速，误差范围为[−1.6, 1.1] km/h. Yang等^[20]使用改进的ECA-YOLOv4目标检测算法检测车牌、车标、车灯3种车辆特性，并设计车辆多特征检测速度测量系统. 实验结果表明，当车辆以46 km/h行驶时，3个特征点均未遮挡时的误差范围为[−0.77, 1.65] km/h. 但3个特征点都位于车辆偏下位置，特征点被遮挡时该测速方法准确性不足. 由于本研究未使用精确测速仪器测定车辆速度，不能说明其准确性，仅可从稳定性角度分析，且实验数据最小与最大速度之差的最大值为1.1 km/h，在文献[19]、[20]的误差范围内.

基于几何算法的前车距离测定方法与基于深度学习的特征点距离测定方法，均受到遮挡因素的干扰. 为了弱化遮挡条件下单一信息源产生的误差，本研究基于优化的车辆目标检测算法，融合多维车辆图像特征，提出基于车辆图像特征的前车距离与速度感知方法.

(1) 串联融合车辆在图像中的位置特征、车辆横纵距离几何特征、提取的车辆特征作为车辆图像特征，设计车辆测距神经网络，构建基于车辆图像特征的前车测距模型，实现前车距离感知.

(2) 根据前车测距模型测定的车辆距离变化与SW-YOLOv8n-Bytetrack 车辆目标检测跟踪网络提供的帧间信息，提出基于车辆距离变化的车辆跟踪测速模型，实现前车速度感知.

(3) 选取封闭道路场景，设计动态静态结合实验，验证基于车辆图像特征的前车测距模型的准确性与车辆跟踪测速模型的稳定性.

(4) 在多元复杂环境下(如恶劣天气、拥堵路段及路口)，前车距离的数据采集工作面临挑战，限制了测距模型在多元化复杂场景中的泛化效能与环境适应能力的验证. 后续工作须继续完善数据缺口，增强数据多样性与质量，提升基于车辆图像特征的前车测距模型的鲁棒性.