基于基础设施传感器的驾驶场景协同感知三维目标检测

三维目标检测是自动驾驶车辆感知系统中的常见功能，其输出感兴趣物体周围的三维边界框列表。多种三维目标检测方法依赖不同传感器模态的融合以克服单个传感器的局限。然而，遮挡、有限视场以及传感器数据点密度低的问题，无法通过单视角的多模态传感可靠且经济地解决。相比之下，协同感知将环境中空间分布多样的传感器信息纳入，以缓解这些局限。本文提出两种使用单模态传感器的协同三维目标检测方案。早期融合方案在检测前将多个空间分布视角的点云进行合并。相反，晚期融合方案融合多个空间分布传感器独立检测出的边界框。我们利用在两种复杂驾驶场景（T型路口与环岛）中合成的协同数据集，评估了这两种方案及其混合组合的性能。评估表明，早期融合方案以更高的通信带宽为代价，显著优于晚期融合。结果显示，在最具挑战性的场景中，协同感知可召回超过95%的物体，而单点传感仅能召回30%。为给此类系统的部署提供实用见解，我们报告了传感器数量及其配置如何影响系统的检测性能。