提升自动驾驶车辆在雨天中的安全性：一种数据驱动的清晰视觉方法

自动驾驶车辆在应对恶劣天气（尤其是雨天）时面临重大挑战，因为基于摄像头的系统视觉受损。在本研究中，我们利用当代深度学习技术来缓解这些挑战，旨在开发一个视觉模型，处理实时车辆摄像头画面以消除雨水引起的视觉障碍，产生与清晰无雨场景高度相似的视觉效果。使用CARLA（学习驾驶）仿真环境，我们生成了一个包含清晰和雨天图像的综合数据集用于模型训练和测试。在我们的模型中，我们采用了经典的编码器-解码器架构，带有跳跃连接和拼接操作。模型使用新颖的批处理方案进行训练，该方案旨在有效区分连续图像帧中的高频雨纹模式和低频场景特征。为了评估模型性能，我们将其与一个处理前视图像输入的转向模块集成。结果表明，转向精度有显著提升，突显了该模型在雨天条件下增强导航安全性和可靠性的潜力。