汽车辅助驾驶技术是目前汽车行业前沿的关键技术,其发展是必然趋势,而道路障碍物检测是该项技术的难点之一。城市环境下道路障碍物检测技术是汽车辅助驾驶技术的安全保障,它具有重要的研究价值和意义,通过对该项技术的深入研究和实际应用,在一定程度上能够保障驾驶员的安全。本论文基于目标检测算法,设计并实现了一个有效的城市环境下道路障碍物检测系统,主要工作如下:1.道路障碍物检测算法的改进。本论文在道路障碍物检测方面使用YOLO算法。首先对YOLO算法后三个版本进行对比分析,选择使用YOLOv5算法,然后在YOLOv5算法基础上从预训练模型、算法优化器、数据增强、损失函数以及激活函数等五个方面进行研究,提出了改进策略。本文收集并标注了共9027张图片,形成符合本系统场景的数据集,使用该数据集进行训练,通过多次实验,最终发现使用N-EIo U作为损失函数对模型精度有较好的提升。2.道路障碍物检测结果优化研究。使用DeepSort算法克服视频流道路障碍物检测时运动物体不同帧之间检测框变化大的缺点,对DeepSort算法使用的ReID模型进行优化,讨论了算法优化器、损失函数、激活函数以及学习率调度器对ReID模型的影响,通过实验结果得出使用CELU激活函数和radam优化器对模型的mAP指标都有不错的提升。然后使用像素增强方法增强自己的道路障碍物检测数据集,实验发现能略微提升YOLOv5模型精度。最后提出了一种道路障碍物目标判定算法,以提示驾驶员障碍物位置。3.设计并实现了城市环境下道路障碍物检测系统。该系统能为用户提供图片检测、视频检测、视频检测跟踪、摄像头检测跟踪、更改存储位置等功能,在检测精度和实时性方面都有较好的效果。本论文的系统功能基本达到设计要求,它能及时给出道路障碍物的提示信息,从而有效防止交通事故的发生,同时该系统在实时性和性能方面都有不错的效果,具有实际的应用价值。