1.基于yolov3优化模型的自动驾驶目标检测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于yolov3优化模型的自动驾驶目标检测方法，其特征在于，所述yolov3优化模型以yolov3网络为基准网络，引入空间金字塔池化模块进行改进得到，包括特征提取层、空间金字塔池化模块和预测层；
3.根据权利要求2所述的基于yolov3优化模型的自动驾驶目标检测方法，其特征在于，所述特征提取层采用draknet-53网络；
4.根据权利要求2所述的基于yolov3优化模型的自动驾驶目标检测方法，其特征在于，所述采用k-means++算法对车辆图像集中的标注框进行重新聚类，得到先验框，具体为：
5.根据权利要求2所述的基于yolov3优化模型的自动驾驶目标检测方法，其特征在于，所述使用非极大值抑制算法结合高斯函数消除yolov3优化模型输出的冗余候选框，得到预测框，具体为：
6.根据权利要求5所述的基于yolov3优化模型的自动驾驶目标检测方法，其特征在于，所述边界框回归损失函数lciou表示为：
7.基于yolov3优化模型的自动驾驶目标检测系统，其特征在于，应用于权利要求1所述的基于yolov3优化模型的自动驾驶目标检测方法，包括数据获取模块、模型构建模块、模型训练模块及部署应用模块；
8.根据权利要求7所述的基于yolov3优化模型的自动驾驶目标检测系统，其特征在于，所述模型构建模块中，yolov3优化模型以yolov3网络为基准网络，引入金字塔池化模块进行改进得到，包括特征提取层、金字塔池化模块和预测层；
9.根据权利要求7所述的基于yolov3优化模型的自动驾驶目标检测系统，其特征在于，所述模型训练模块中，采用k-means++算法对车辆图像集中的图像标签进行重新聚类，得到先验框，具体为：
10.一种计算机可读存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-6任一项所述的基于yolov3优化模型的自动驾驶目标检测方法。