V2X赋能自动驾驶中协作式3D语义占用预测的合成基准
计算机视觉与模式识别
2026-01-19 v3
摘要
3D语义占用预测是自动驾驶中一种新兴的感知范式,可提供几何细节和语义类别的体素级表示。然而,在单车设置中,其有效性固有地受到遮挡、受限的传感器范围和狭窄视角的限制。为解决这些局限性,协作感知能够交换互补信息,从而提高预测的完整性和准确性。尽管有潜力,但协作式3D语义占用预测的研究因缺乏专用数据集而受阻。为弥补这一空白,我们在CARLA中设计了一个高分辨率语义体素传感器,以生成密集且全面的标注。我们进一步开发了一个基线模型,该模型通过空间对齐和注意力聚合实现智能体间的特征融合。此外,我们建立了具有不同预测范围的基准,旨在系统评估空间范围对协作预测的影响。实验结果表明,我们的基线具有优越性能,且随着范围扩大,性能增益不断增加。我们的代码可在https://github.com/tlab-wide/Co3SOP获取。
引用
@article{arxiv.2506.17004,
title = {A Synthetic Benchmark for Collaborative 3D Semantic Occupancy Prediction in V2X-Enabled Autonomous Driving},
author = {Hanlin Wu and Pengfei Lin and Ehsan Javanmardi and Naren Bao and Bo Qian and Hao Si and Manabu Tsukada},
journal= {arXiv preprint arXiv:2506.17004},
year = {2026}
}