Jan, 2024

协同感知：连接和自动驾驶中的挑战、解决方案与机遇

PDF
TL;DR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。
autonomous drivingcollaborative perceptionconnected and autonomous vehicles (cavs)communication efficiencypose errors
发现论文，激发创造
  • 自主驾驶中领域对齐的协作感知中的自适应通信

    通过通信交换补充信息的多个连接和自主车辆之间的协同感知可以极大地增强感知能力，我们提出了一种通道感知的协同感知框架 ACC-DA，通过动态调整通信图并减小平均传输延迟来解决通道变化和数据异构性所带来的挑战。

    Sep, 2023

  • 自动驾驶中的协同感知数据集调查

    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

  • 自动驾驶中的 V2X 合作感知：最新进展与挑战

    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

  • 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

  • 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

  • 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

  • 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

  • 端到端自动驾驶合作感知的选择性通信

    本文提出了一种基于选择性通信算法的合作感知方法，用于提高当前自动驾驶系统在障碍物干扰场景下的可靠性。通过多智能体路径规划研究的启发，将感知网络与控制网络相结合，实现了对有关导航规划最为关键的感知信息的选择传输，在安全关键驾驶场景模拟中显示出了比随机选择方法更高的成功率，同时最小化了附加通信开销。

    May, 2023

  • 智能协同：车载自适应融合感知与判决机制

    SmartCooper 是一个自适应协同感知框架，结合了通信优化和判决机制，以提高车辆之间的连接性和共享感知数据的质量。在 OpenCOOD 平台上的评估结果显示，相比非判决方案，我们的算法成功降低了 23.10% 的通信成本，并将 Intersection over Union (IoU) 的平均精度 (AP@IoU) 提高了 7.15%。

    Feb, 2024

  • 协同车辆感知中的数据伪造：攻击与对策

    我们研究了协同感知在连接和自动驾驶车辆（CAVs）中的应用，并提出一种安全分析及应对措施，以识别和减轻由恶意参与者利用虚假数据对感知结果进行干扰的问题。通过真实和模拟场景的实验，我们证明了我们的攻击方式具有较高的成功率，并提出了系统的异常检测方法，可以在一定程度上缓解恶意攻击在现实场景中的影响。

    Sep, 2023