Abstract The resolution of traffic congestion and personal safety issues holds paramount importance for human’s life. The ability of an autonomous driving system to navigate complex road conditions is crucial. Deep learning has greatly facilitated machine vision perception in autonomous driving. Aiming at the problem of small target detection in traditional YOLOv5s, this paper proposes an optimized target detection algorithm. The C3 module on the algorithm’s backbone is upgraded to the CBAMC3 module, introducing a novel GELU activation function and EfficiCIoU loss function, which accelerate convergence on position loss l box , confidence loss l obj , and classification loss l cls , enhance image learning capabilities and address the issue of inaccurate detection of small targets by improving the algorithm. Testing with a vehicle-mounted camera on a predefined route effectively identifies road vehicles and analyzes depth position information. The avoidance model, combined with Pure Pursuit and MPC control algorithms, exhibits more stable variations in vehicle speed, front-wheel steering angle, lateral acceleration, etc., compared to the non-optimized version. The robustness of the driving system's visual avoidance functionality is enhanced, further ameliorating congestion issues and ensuring personal safety.

Weak doping can broaden, shift, and quench plasmon peaks in nanoparticles, but the mechanistic intricacies of the diverse responses to doping remain unclear. In this study, we used the time-dependent density functional theory (TD-DFT) to compute the excitation properties of transition-metal Pd- or Pt-doped gold and silver atomic arrays and investigate the evolution characteristics and response mechanisms of their plasmon peaks. The results demonstrated that the Pd or Pt doping of the off-centered 10 × 2 atomic arrays broadened or shifted the plasmon peaks to varying degrees. In particular, for Pd-doped 10 × 2 Au atomic arrays, the broadened plasmon peak significantly blueshifted, whereas a slight red shift was observed for Pt-doped arrays. For the 10 × 2 Ag atomic arrays, Pd doping caused almost no shift in the plasmon peak, whereas Pt doping caused a substantial red shift in the broadened plasmon peak. The analysis revealed that the diversity in these doping responses was related to the energy positions of the d electrons in the gold and silver atomic clusters and the positions of the doping atomic orbitals in the energy bands. The introduction of doping atoms altered the symmetry and gap size of the occupied and unoccupied orbitals, so multiple modes of single-particle transitions were involved in the excitation. An electron transfer analysis indicated a close correlation between excitation energy and the electron transfer of doping atoms. Finally, the differences in the symmetrically centered 11 × 2 doped atomic array were discussed using electron transfer analysis to validate the reliability of this analytical method. These findings elucidate the microscopic mechanisms of the evolution of plasmon peaks in doped atomic clusters and provide new insights into the rational control and application of plasmons in low-dimensional nanostructures.