SmartCooper：基于自适应融合与判别机制的车辆协同感知
计算机视觉与模式识别
2024-03-05 v3
摘要
近年来，自动驾驶因其在通过联网和自动驾驶车辆（CAV）之间的协同感知来提高道路安全性方面的潜力而备受关注。然而，车辆传输环境中时变的信道变化要求动态分配通信资源。此外，在协同感知的背景下，重要的是要认识到并非所有 CAV 都能提供有价值的数据，某些 CAV 数据甚至对协同感知产生不利影响。在本文中，我们介绍了 SmartCooper，这是一个结合了通信优化和判别机制以促进 CAV 数据融合的自适应协同感知框架。我们的方法首先在考虑通信约束的情况下优化车辆连通性。然后，我们训练一个可学习的编码器，以根据信道状态信息（CSI）动态调整压缩率。随后，我们设计了一种判别机制，以过滤由自适应解码器重建的不利图像数据。我们在 OpenCOOD 平台上评估了所提出算法的有效性。结果表明，与非判别方案相比，通信成本大幅降低了 23.10\%。此外，与最先进的方案相比，我们在交并比的平均精度（AP@IoU）上实现了 7.15\% 的显著提升。
引用
@article{arxiv.2402.00321,
title = {SmartCooper: Vehicular Collaborative Perception with Adaptive Fusion and Judger Mechanism},
author = {Yuang Zhang and Haonan An and Zhengru Fang and Guowen Xu and Yuan Zhou and Xianhao Chen and Yuguang Fang},
journal= {arXiv preprint arXiv:2402.00321},
year = {2024}
}