摘要：随着自动驾驶技术的迅速发展,精确识别模拟环境中的动态与静态对象成为了实现高度自动化驾驶的关键挑战之一,而仿真数据集具有获取成本低、易获取极端场景、有较强的连续性等特征。文章中采用CARLA驾驶模拟器作为实验平台,结合最新的YOLOv7目标检测网络,通过改进网络结构和优化训练策略,提升目标检测的精度和速度。文章介绍了CARLA模拟器的基础架构与YOLOv7算法的核心原理,详细描述了实验的设计与实施过程,包括数据集的准备、网络训练及测试评估。实验结果表明,基于YOLOv7的目标检测方法在自动驾驶模拟环境中具有出色的性能,能够根据输入图片准确识别出车辆、行人等多种目标。文章探讨了实验结果的意义,指出该研究在提高自动驾驶模拟器的现实感和安全性方面的潜在应用,并对未来研究方向提出建议。