La obstrucción de vehículos por vehículos circundantes, obstáculos, etc. es un fenómeno común en la aplicación práctica de la conducción automática. Con el objetivo de abordar el problema de que la visión del vehículo se ve afectada por la obstrucción, la información de características del vehículo es incompleta, lo que resulta en una baja precisión de detección del vehículo obstruido, se propone un método de detección de vehículos obstruidos basado en un mecanismo de atención híbrida multi-escala. El documento tiene como objetivo explotar completamente las ventajas de la extracción de características multi-escala, la atención de canal/espacio y otros módulos, y diseñar un módulo de atención híbrida multi-escala adecuado para la detección de vehículos obstruidos para mejorar la precisión de detección de vehículos obstruidos. Las características multi-escala se enriquecen mediante la convolución de agrupación de diferentes tamaños de redes de extracción de características multi-escala, y las conexiones paralelas de canales y módulos de atención espacial forman diferentes módulos de atención de dominio híbrido de diferentes escalas, que mejoran la información de características locales de los vehículos obstruidos y realizan el aprendizaje de refuerzo de características multi-escala y la supresión de información de interferencia de obstrucción. Los resultados experimentales muestran que en el conjunto de datos de vehículos obstruidos hecho a medida y en el conjunto de datos de vehículos obstruidos BDD100K, la precisión media promedio de este método es del 95,2% y del 59,3%, respectivamente, lo que es 1,5% y 2,9% más alto que el de la red base YOLOv5, respectivamente.