目标检测系统是车辆协作驾驶辅助系统和无人驾驶车辆等领域的关键组成部分。行车驾驶场景下的目标检测应用能够帮助检测车辆前方存在的各类物体目标,从而保障驾驶员或乘车人员在各类交通环境下的安全。从传统的手工提取图像特征到时今基于深度学习的目标检测任务中,信息丰富、多姿态或存在遮挡的潜在目标导致目标检测这一领域一直都存在挑战性。而如今行车驾驶场景中并不能完全脱离人的操控进行独立的环境感知和路径规划,针对协作驾驶场景下的目标检测应用研究具有重大的现实意义。深度卷积神经网络结构发展趋势不断复杂化导致真正能应用到实际场合的算法少之又少,本文基于SSD(SingleShotMultiboxDetector)算法,以MobileNets作为特征提取网络,针对协作驾驶场景,提出一种轻量高效且识别速度快的目标检测模型算法。首先,通过将SSD算法中特征提取网络优化为结构轻量的MobileNets网络,大大减少了特征网络结构层数,提升了模型识别速度,优化了算法检测的时间效率以及检测模型的尺寸,为实现模型应用于移动装置或嵌入式装置提供了技术保障;其次,本文构建一种饱和交通场景下的车载通信网络,模拟仿真了基于IEEE802.1p协议下的车辆通信网络性能,验证其车辆检测技术在实际应用具备一定可行性。本文设计的检测网络能够有效识别驾驶场景多类别多尺度的物体目标。实验结果表明,本文提出的算法在KITTI数据集上的性能超过了原始论文中的训练模型以及仿真验证了构建的通信网络具备能成功传送信息的性能。