面向自动驾驶应用的协同感知与组网性能及扩展性
信号处理
2018-12-20 v1
摘要
自动驾驶系统的一项关键需求是在动态变化环境中实现态势感知。为此，车辆将配备多样化传感器，例如 LIDAR、摄像头、毫米波雷达等。遗憾的是，感知“覆盖”受环境障碍限制，例如其他车辆、建筑物、行人、物体等。一种可能的解决方案是采用车辆间协同感知，并可能由基础设施辅助。本文引入车辆协同感知与组网的新模型及性能分析。具体而言，量化了覆盖增益及其对参与协同感知车辆渗透率的依赖。我们还从车对车（V2V）与车对基础设施（V2I）容量需求方面评估了相关通信负载及其对渗透率的依赖。我们进一步探讨了与具备感知能力的基础设施协作如何提升感知性能，以及利用时空动态（例如与反向行驶车辆协作）的益处。研究表明协同感知极大改善感知性能，例如渗透率 20% 时覆盖从 20% 提升至 80%。在渗透率有限且覆盖要求高的场景中，基础设施可用于辅助环境感知与数据中继。一旦渗透率足够高，感知车辆提供良好覆盖，数据流量可有效“卸载”至 V2V 连接，使 V2I 资源可用于支持其他车载服务。
引用
@article{arxiv.1812.07777,
title = {Performance and Scaling of Collaborative Sensing and Networking for Automated Driving Applications},
author = {Yicong Wang and Gustavo de Veciana and Takayuki Shimizu and Hongsheng Lu},
journal= {arXiv preprint arXiv:1812.07777},
year = {2018}
}