Directed-CP：通过主动注意力实现网联自动驾驶汽车的定向协同感知
计算机视觉与模式识别
2025-11-25 v4
摘要
协同感知（CP）利用来自网联自动驾驶汽车（CAV）的视觉数据来增强自车的视野（FoV）。尽管近期取得了进展，但当前的CP方法几乎均等地扩展自车的360度感知范围，这面临两个关键挑战。首先，在交通分布不均的区域，关注交通流量小的方向收益有限。其次，在通信带宽有限的情况下，将过多带宽分配给不太关键的方向会降低更重要区域的感知精度。为解决这些问题，我们提出了Direct-CP，一个旨在改善特定方向CP性能的主动且方向感知的CP系统。我们的核心思想是使自车能够主动发出其感兴趣方向的信号，并重新调整其注意力以增强局部定向CP性能。为实现这一点，我们首先提出了一种RSU辅助的方向掩码机制，帮助自车识别关键方向。此外，我们设计了一个方向感知的选择性注意力模块，根据自车的方向优先级、通信预算和CAV的位置数据，智能地聚合相关特征。此外，我们引入了一种方向加权检测损失（DWLoss），以捕捉定向CP结果与真实值之间的差异，促进有效的模型训练。在V2X-Sim 2.0数据集上的大量实验表明，在协同3D目标检测任务中，我们的方法在兴趣方向上的局部感知精度比最先进的方法高19.8%，整体感知精度高2.5%。代码可在https://github.com/yihangtao/Directed-CP.git获取。
引用
@article{arxiv.2409.08840,
title = {Directed-CP: Directed Collaborative Perception for Connected and Autonomous Vehicles via Proactive Attention},
author = {Yihang Tao and Senkang Hu and Zhengru Fang and Yuguang Fang},
journal= {arXiv preprint arXiv:2409.08840},
year = {2025}
}
备注
Accepted by ICRA'25