面向不完美通信环境下的自动驾驶车辆通过优化合作感知实现延长视野

自动驾驶车辆（AVs）依赖于各自的感知系统以安全方式导航。然而，这些系统在恶劣天气条件、复杂道路几何结构和密集交通场景下面临重大挑战。合作感知（Cooperative Perception, CP）已成为通过在多个车辆之间联合处理共享的摄像头图像和传感器读数来扩展自动驾驶车辆感知质量的有前景的方法。本文提出了一种 novel CP 框架，用于在不完美通信条件下优化车辆选择和网络资源利用。我们的优化 CP 组建考虑了助力车辆的空间位置、视野范围、运动模糊以及可用通信预算等关键因素。此外，我们的资源优化模块在考虑现代车联网通信系统（如 LTE 和 5G NR-V2X）的现实模型后，分配通信信道并调整功率水平，以最大化 ego 车与助力车辆之间的数据流效率。我们通过在 CARLA 模拟器上生成的合成数据上的大量实验验证了该方法，对 challenging 场景下的行人检测。结果表明，该方法在感知质量上显著优于单个自动驾驶车辆，检测准确率提升约 10%。这一显著 gains 揭示了合作感知在复杂情境下增强自动驾驶车辆安全性和性能的潜力。