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

中图分类号: 

• TP39