用于协同感知中对应识别的深度掩码图匹配
机器人学
2023-03-15 v1
摘要
对应识别（CoID）是多机器人系统（如网联自动驾驶车辆）中协同感知的关键组成部分。CoID 的目标是识别多个机器人各自视野中观测到物体的对应关系，以使机器人一致地指代相同物体。由于感知混叠、物体不可共视与噪声传感，CoID 具有挑战性。本文中，我们引入一种新颖的深度掩码图匹配方法以实现 CoID 并应对这些挑战。我们的方法将 CoID 表述为图匹配问题，并设计掩码神经网络整合多模态视觉、空间与 GPS 信息来执行 CoID。此外，我们设计一项新技术以显式处理由遮挡与车辆有限视野引起的物体不可共视。我们利用集成 CARLA 与 SUMO 模拟器的高保真仿真在多种街道环境中评估我们的方法。实验结果表明，我们的方法优于先前方法，并在网联自动驾驶应用中达到最先进的 CoID 性能。我们的工作见：https://github.com/gaopeng5/DMGM.git。
引用
@article{arxiv.2303.07555,
title = {Deep Masked Graph Matching for Correspondence Identification in Collaborative Perception},
author = {Peng Gao and Qingzhao Zhu and Hongsheng Lu and Chuang Gan and Hao Zhang},
journal= {arXiv preprint arXiv:2303.07555},
year = {2023}
}