Oct, 2023

自动驾驶中的 V2X 合作感知：最新进展与挑战

PDF
TL;DR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。
autonomous drivingcooperative perceptionvehicle-to-everything (v2x)v2x communication technologiescp system components
发现论文，激发创造
  • 面向车辆一切自主驾驶：协作感知综述

    车联网自动驾驶开辟了发展新一代智能交通系统的有前途的方向。合作感知作为实现车联网的必要组成部分，能够克服个体感知的固有局限，包括遮挡和远程感知。我们对车联网场景下的合作感知方法进行了全面的综述，为该领域提供了深入的理解和了解。

    Aug, 2023

  • 利用不完美通信的增强协同感知自动驾驶车辆

    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

  • 面向 V2X 通信的中断感知协作感知技术在自动驾驶中的应用

    本研究提出了一种基于历史信息的 V2X-INCOP 方案，利用通信自适应多尺度时空预测模型来提取多尺度时空特征、捕捉最显著的信息以预测遗漏的信息，同时采用知识蒸馏框架和课程学习策略来稳定模型训练，实验表明该方法能够有效缓解通信中断对合作感知的影响。

    Apr, 2023

  • 合作感知演示：联网及自动化车辆操作的安全与可靠性

    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

  • V2X-ViT: 具有视觉转换器的车辆到一切合作感知

    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

  • 协同感知：连接和自动驾驶中的挑战、解决方案与机遇

    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

  • 面向连接和自动化车辆的合作感知消息生成

    本文探讨车辆如何使用 V2X 通信交换信息以实现集体感知，介绍了 ETSI 关于集体感知规则的提议，并提出了改进算法以提高 V2X 通信可靠性和 CAVs 的感知。

    Aug, 2019

  • 从道路到汽车的动态 V2X 自主感知

    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

  • CoPEM: 自主驾驶合作感知误差模型

    本文介绍了合作感知误差模型（coPEMs）的概念，旨在实现 V2X 解决方案在虚拟测试环境中的有效和高效集成。我们聚焦于自动驾驶车辆（AV）的感知中的遮挡问题，并通过扩展感知误差模型（PEMs）来有效实施这种合作感知解决方案及其相关的错误和不确定性。

    Nov, 2022

  • 基于学习的车车通信的协同感知

    合作感知在自动驾驶中得到广泛应用，本研究分析了考虑通信信道损伤的合作感知性能。通过评估不同的融合方法和通道损伤，提出了一种新的后期融合方案，并采用基于卷积神经网络的自动编码器来压缩合作造成的数据大小。数值结果表明，当信噪比大于 0 dB 时，中期融合对信道损伤更具鲁棒性，提出的融合方案优于常规后期融合，并且自动编码器在检测精度和带宽使用之间提供了很好的折中。

    Nov, 2023