图像去雨是计算机视觉应用的一个重要研究领域。在雨天环境下,获取的图像会因为雨水导致变形、模糊,影响到相关图像处理算法的性能。近年来,自动驾驶技术得到了飞速发展,基于视觉和毫米波雷达的机器学习算法已经能够处理简单场景下的自动驾驶问题,但是这种技术方案对驾驶环境的要求较高,下雨天,雨水对图像的遮挡会大幅降低自动驾驶系统的精度,因此,图像去雨研究对于自动驾驶的应用具有实际意义。本文通过利用GAN网络,针对单幅带雨滴图像进行雨滴去除工作,主要研究内容如下:(1)在前人基于GAN网络单幅图像去雨滴研究的基础上,本文针对自动驾驶应用对原有框架进行了修改,为了提高网络计算的速度,重点对原有框架网络进行了减重调整,减少了网络层数,保证在不明显降低雨滴去除效果的同时还能够有较快的网络计算速度,尽可能地达到自动驾驶应用场景对实时性的高要求。(2)为了进一步验证本文改进后去雨滴网络的精度,本文将去雨滴网络的输出结果导入到多目标检测器中,针对自动驾驶应用对目标检测器实时性和精度的要求,选择YOLOv3作为测试用目标检测器,分别将带雨滴原图像和本文去雨滴网络输出的去雨滴图像导入目标检测器后,结果显示相比较于带雨滴原图像,目标检测器能够正确检测出去雨滴图像中的物体,一定程度上验证了本文的GAN去雨滴网络在自动驾驶系统中应用的可行性,为后续进一步整合系统、进行传感器融合等的研究提供了基础。