Trong bài báo này, chúng tôi đề xuất một mạng lưới phát hiện mục tiêu lái xe tự động cải tiến dựa trên YOLOv8 nhằm cải thiện hiệu suất phát hiện vật thể của xe tự hành. Để khắc phục nhược điểm Limitations (chi phí cao, dễ bị ảnh hưởng bởi điều kiện thời tiết và ánh sáng, và hạn chế về độ phân giải) của các kỹ thuật phát hiện vật thể dựa trên mạng radar, camera và cảm biến xe hiện có, chúng tôi tích hợp tham số hóa cấu trúc, mô hình mạng hình chóp hai chiều và một quy trình phát hiện mới vào khuôn khổ YOLOv8. Phương pháp được đề xuất phát hiện hiệu quả và chính xác các vật thể có kích thước khác nhau, kích thước nhỏ và khoảng cách xa, đạt độ chính xác phát hiện 65% trong thử nghiệm, đây là một cải tiến so với các phương pháp hiện có. Phương pháp này đặc biệt hiệu quả trong việc phát hiện mục tiêu đơn lẻ và vật thể nhỏ, và phù hợp cho các cuộc thi lái xe tự hành như Formula Student Autonomous China (FSAC).
