SiCP：面向网联自动驾驶汽车的同步个体与协作感知用于 3D 目标检测
计算机视觉与模式识别
2024-08-28 v2
摘要
网联自动驾驶汽车的协作感知传统上通过融合来自两辆或多辆车的特征图来实现。然而，缺少其他车辆共享的特征图会导致协作感知模型的 3D 目标检测性能相比独立 3D 检测模型显著下降。这一缺点阻碍了协作感知的采用，因为车辆资源通常不足以同时运行两个感知模型。为解决此问题，我们提出了同步个体与协作感知（SiCP），这是一个通用框架，支持广泛的现有最先进独立感知骨干网络，并通过一个新颖的双感知网络（DP-Net）对其进行增强，该网络旨在同时促进个体与协作感知。除了仅 0.13M 参数的轻量级特性外，DP-Net 还具有鲁棒性，并在特征图融合期间保留关键的梯度信息。正如在 V2V4Real 和 OPV2V 数据集上的综合评估所示，得益于 DP-Net，SiCP 在保持独立感知解决方案性能的同时，超越了最先进的协作感知解决方案。
引用
@article{arxiv.2312.04822,
title = {SiCP: Simultaneous Individual and Cooperative Perception for 3D Object Detection in Connected and Automated Vehicles},
author = {Deyuan Qu and Qi Chen and Tianyu Bai and Hongsheng Lu and Heng Fan and Hao Zhang and Song Fu and Qing Yang},
journal= {arXiv preprint arXiv:2312.04822},
year = {2024}
}
备注
Accepted by IROS 2024