基于路侧到车端视觉的动态 V2X 自动驾驶感知
计算机视觉与模式识别
2023-10-31 v1 人工智能
信号处理
摘要
车对万物（V2X）感知是一项创新技术，可提升车辆感知精度，从而提高自动驾驶系统的安全性与可靠性。然而，现有 V2X 感知方法主要关注主要来自车载视觉的静态场景，受限于传感器能力与通信负载。为使 V2X 感知模型适应动态场景，我们提出从路侧到车端视觉构建 V2X 感知，并给出自适应路侧到车端感知（AR2VP）方法。在 AR2VP 中，我们利用路侧单元提供稳定、广域的感知能力并作为通信枢纽。AR2VP 旨在应对场景内与场景间变化。对于前者，我们构建动态感知表示模块，高效融合车辆感知，使车辆捕获场景中更全面的动态因素。此外，我们引入路侧到车端感知补偿模块，旨在场景内变化下保留最大化的路侧单元感知信息。对于场景间变化，我们利用路侧单元存储能力实现经验回放机制，保留部分历史场景数据，维持模型对场景间偏移的鲁棒性。我们在三维目标检测与分割上开展感知实验，结果表明 AR2VP 在动态环境下的性能-带宽权衡与适应性方面均表现优异。
引用
@article{arxiv.2310.19113,
title = {Dynamic V2X Autonomous Perception from Road-to-Vehicle Vision},
author = {Jiayao Tan and Fan Lyu and Linyan Li and Fuyuan Hu and Tingliang Feng and Fenglei Xu and Rui Yao},
journal= {arXiv preprint arXiv:2310.19113},
year = {2023}
}