LCV2I：基于低分辨率激光雷达的高效通信与高性能协同感知框架
计算机视觉与模式识别
2025-03-06 v2
摘要
车路协同 (V2I) 协同感知利用基础设施传感器收集的数据来增强车辆的感知能力。激光雷达作为协同感知中常用的传感器，被广泛装备于智能车辆和基础设施中。然而，其卓越的性能伴随着相应的高昂成本。为实现低成本的 V2I，降低激光雷达的成本至关重要。因此，我们研究在车辆上采用低分辨率激光雷达以尽可能降低成本。然而，简单地降低车辆激光雷达的分辨率会导致点云稀疏，使远处的微小目标更加模糊。此外，传统通信方法的带宽利用效率相对较低。这些因素给我们带来了挑战。为平衡成本与感知准确性，我们提出了一种新的协同感知框架，即 LCV2I。LCV2I 使用来自相机和低分辨率激光雷达的数据作为输入。它还采用特征偏移校正模块和区域特征增强算法来改善特征表示。最后，我们使用区域差异图和区域评分图来评估协作内容的价值，从而提高通信带宽效率。总而言之，我们的方法在大幅降低车辆对高分辨率传感器需求的同时，实现了高感知性能。为了评估该算法，我们在 DAIR-V2X 的真实场景中进行了 3D 目标检测，证明 LCV2I 的性能始终超越现有的算法。
引用
@article{arxiv.2502.17039,
title = {LCV2I: Communication-Efficient and High-Performance Collaborative Perception Framework with Low-Resolution LiDAR},
author = {Xinxin Feng and Haoran Sun and Haifeng Zheng},
journal= {arXiv preprint arXiv:2502.17039},
year = {2025}
}