基于 ROS 平台的 YOLOv8 交通标志自动识别系统

墨涵 张; 旭启 王

doi:10.12345/bdai.v7i4.42528

研究文章

基于 ROS 平台的 YOLOv8 交通标志自动识别系统

墨涵张, 旭启王

7 卷, 4 期 (2026) 页码 105-108 开放存取

摘要

无人驾驶与智能机器人技术的持续推进逐渐成为保障行车安全与智能导航的核心环节，而现实场景中的光照变化、目标尺度差异、遮挡及背景干扰又让这一任务面临相当挑战。本文针对中国道路场景构建了多类别标注数据集并完成数据增强，以YOLOv8n为基线，引入坐标注意力机制（CA）增强特征提取能力，把回归分支的CIoU损失函数换成EIoU，以期改善边界框的回归精度，经过改进的模型最终被封装为ROS节点，实现了摄像头图像的实时订阅与检测结果的可视化发布。在自建数据集上的验证结果显示，改进后的模型mAP@0.5和mAP@0.5:0.95分别达到94.7%和76.3%，相较于基线模型提升了2.8%和4.1%，系统在ROS

关键词

交通标志识别；YOLOv8；ROS操作系统；坐标注意力机制；目标检测

参考

任少卿，何恺明，Girshick R，等. 基于区域建议网络的实时目标检测 Faster R-CNN [J]. 模式分析与机器智能汇刊，2017,39(6):1137-1149.

Redmon J, Divvala S, Girshick R, 等. 单次统一实时目标检测算法 YOLO [C]//IEEE 计算机视觉与模式识别会议论文集，2016:779-788.

刘畅，谢宁，杨旭，等. 基于改进YOLOX的生活垃圾检测模型[J]. 传感器，2022,22(18):6974.

Flores-Calero M, Ñacato-Cabrera J F, Proaño-Orellana D, 等. 基于YOLO算法的交通标志检测与识别研究综述 [J]. 数学，2024,12(2):297.

刘浩，周坤，张悦，等. 基于YOLOv5的多尺度交通标志改进检测算法ETSR-YOLO [J]. 公共科学图书馆·综合，2023,18(12):e0295807.

曲立国，张鑫，卢自宝，等. 基于改进YOLOv5的交通标志识别方法 [J]. 光电工程，2024,51(6):240055.

Soylu E, Soylu T. 自动驾驶竞赛场景下不同YOLOv8模型的交通标志检测性能对比 [J]. 多媒体工具与应用，2024,83:25005-25035.

罗洋，慈洋，张浩，等. 面向自动驾驶的YOLOv8-CE实时交通标志检测识别方法 [J]. 数字交通与安全，2024,3(3):82-91.

沈强，李洋，张宇，等. 基于YOLOv8的交通标志小目标检测算法CSW-YOLO [J]. 公共科学图书馆·综合，2025,20(3):e0315334.

何旭，李涛，杨阳. 基于YOLOv8s优化的交通标志检测算法[J]. 计算机与电子信息管理学报，2024,12:38-45.

摘要

关键词

参考

Refbacks