自动驾驶中准确的感知是推动该领域发展并解决安全挑战的关键。新兴的基于车联网技术的合作感知被提出作为一种解决方案，以克服当前感知方法在复杂真实交通环境中遇到的困难，并提升驾驶自动化系统的性能。本文通过全面综述合作感知技术的演进，并重点关注与车联网通信技术相关的最新研究，提出了一个当代通用框架来说明基于车联网的合作感知工作流程，分析了当前所解决的关键问题并进行了文献综述，最后探讨了自动驾驶中感知和车联网通信发展所面临的挑战和未来方向。

Oct, 2023

本文研究了车路一体化（V2X）通信在提高自动驾驶车辆感知性能方面的应用，并提出了一种基于 V2X 通信的健壮的协作感知框架，使用一种新颖的视觉 Transformer。使用大规模的 V2X 感知数据集，在海量实验中表明 V2X-ViT 能够在 3D 物体检测中取得 state-of-the-art 的表现，并且即使在恶劣嘈杂的环境下具有稳健的性能。

Mar, 2022

通过合作感知技术提高自动驾驶车辆在不利环境下的视觉感知质量，采用最佳辅助车辆优化协同感知并提高目标检测准确性，特别关注行人检测，验证结果表明该方法在挑战场景中提高了协作感知性能和驾驶安全。

Apr, 2024

本研究综述了车辆对基础设施（V2I）、车辆对车辆（V2V）和车辆对一切（V2X）的协作感知数据集，重点关注用于自动驾驶车辆感知任务的大规模基准的最新发展。该论文系统地分析了各种数据集，比较了它们在多样性、传感器设置、质量、公开可用性和对下游任务的适用性等方面，同时突出了领域转移、传感器设置限制以及数据集多样性和可用性方面的关键挑战。强调了在数据共享和数据集创建方面解决隐私和安全问题的重要性。结论强调了需要全面、全球可访问的数据集以及技术和研究社区的协作努力来克服这些挑战，并充分发挥自动驾驶的潜力。

Apr, 2024

本文介绍了合作感知技术在智能交通系统中的应用，通过车路协同，加强对行人等容易忽视的交通参与者的感知以提升自动驾驶汽车的安全性。作者指出，合作感知技术是智能交通系统的未来发展方向之一。

Nov, 2020

车辆对一切辅助自动驾驶（V2X-AD）具有巨大潜力，目前尚未充分探索利用基础设施和通信资源来提高驾驶性能，因此，本研究介绍了一个充分整合 V2X 通信的协同驾驶系统 CoDriving，通过改进信息共享策略以提高驾驶性能，并在研究中利用 V2Xverse 进行了专门设计的测试与评估。

Apr, 2024

自动驾驶引起学术界和工业界的广泛关注，但目前的自动驾驶系统大多基于单一车辆，存在较大限制，可能威胁驾驶安全。基于连接和自动驾驶车辆的协作感知被认为是解决这些限制的一种有前景的方法。本文首先确定了协作感知的挑战，如数据共享异步性、数据量和姿态误差等。然后，我们讨论了使用各种技术解决这些挑战的可能方法，并阐述了相关的研究机会。此外，我们提出了一种应对通信效率和延迟问题的方案，即一种通道感知的协作感知框架，通过动态调整通信图并减小延迟，提高感知性能和通信效率。最后，我们进行实验证明了我们提出方案的有效性。

Jan, 2024

通过提出 V2X-Sim，一个完整的模拟多智能体感知数据集，本文试图为自动驾驶的协作式感知研究提供一个 benchmark，其中包含了多节点感知、多模态感知以及各种各样的真实解等任务，并为最前沿的协作式感知算法提供一个基准。

Feb, 2022

车辆到一切 (V2X) 感知是一种创新技术，提高了车辆感知的准确性，从而提升了自动系统的安全性和可靠性。然而，现有的 V2X 感知方法主要集中在基于车辆视觉的静态场景，受传感器能力和通信负载的限制。为了适应动态场景，我们提出了一种从道路到车辆视觉的自适应 V2X 感知方法 (AR2VP)。在 AR2VP 中，我们利用路边单元提供稳定的广域感知能力，并作为通信中心。AR2VP 旨在应对场景内变化和场景间变化的挑战。我们构建了一个动态感知表示模块，高效集成了车辆感知，使车辆能够对场景中更全面的动态因素进行捕捉。此外，我们引入了一个从道路到车辆感知的补偿模块，旨在在场景内变化的情况下保留最大化的路边单元感知信息。对于场景间变化，我们实现了一种利用路边单元的存储能力进行经验回放的机制，以保持模型对场景变化的鲁棒性。我们在 3D 物体检测和分割上进行了感知实验，结果显示 AR2VP 在性能带宽平衡和适应性方面表现出色。

Oct, 2023

协作车辆到所有感知任务通过邻近交通代理之间的消息通信提高各个车辆的感知能力。我们提出了一种全新的消息单元，即点簇，并建立了协作感知的新框架 V2X-PC，以解决稠密表示中的目标特征破坏、长距离协作中的信息聚合效率和隐含结构表示通信的问题。通过在两个被广泛认可的协作感知基准上进行实验，我们展示了我们方法相对于依赖于 BEV 地图的先前最先进方法的优越性能。

Mar, 2024