基于深度学习的协同LiDAR感知用于改进车辆定位
信号处理
2024-10-28 v1
摘要
精确的定位被认为是部署网联自动驾驶车辆（CAV）的基本要求。为了满足这一需求，一种新兴趋势是协同方法，即车辆通过车联网（V2X）通信融合来自导航和成像传感器的信息，以实现联合定位和环境感知。顺应这一趋势，本文提出了一种新颖的数据驱动协同感知框架，称为基于消息传递神经网络的协同LiDAR感知（CLS-MPNN），其中空间分布的车辆通过LiDAR传感器协作感知环境。车辆使用深度神经网络（DNN）（即3D目标检测器）处理其LiDAR点云，以识别和定位驾驶环境中可能存在的静态物体。然后，数据由集中式基础设施聚合，该基础设施使用消息传递神经网络（MPNN）执行数据关联（DA），并运行隐式协同定位（ICP）算法。使用高保真自动驾驶模拟器生成的两个真实驾驶场景对所提出的方法进行了评估。结果表明，CLS-MPNN优于基于全球导航卫星系统（GNSS）的传统非协同定位算法和最先进的协同同步定位与建图（SLAM）方法，同时接近具有理想感知和完美关联的参考系统的性能。
引用
@article{arxiv.2402.16656,
title = {Deep Learning-based Cooperative LiDAR Sensing for Improved Vehicle Positioning},
author = {Luca Barbieri and Bernardo Camajori Tedeschini and Mattia Brambilla and Monica Nicoli},
journal= {arXiv preprint arXiv:2402.16656},
year = {2024}
}
备注
This work has been submitted to the IEEE Transactions on Signal Processing for possible publication