机器联觉辅助的LiDAR点云传输用于协同感知
信号处理
2025-09-09 v1
摘要
协同感知通过学习代理之间如何共享信息来实现更准确和更全面的场景理解，而LiDAR点云提供了必要的精确空间数据。由于LiDAR传感器产生的大量数据，高效的点云传输对于低延迟多代理协作至关重要。在本工作中，我们通过机器联觉（Synesthesia of Machines, SoM）提出了一种高效、鲁棒且适用的LiDAR点云传输系统，称为LiDAR点云特征传输（LiDAR Point Cloud Feature Transmission, LPC-FT），以支持多代理之间的协同感知。具体而言，我们采用了一种保持密度的深度点云压缩方法，将完整点云编码为降采样的高效表示。为了减轻无线信道的影响，我们设计了一个基于自注意力（self-attention）的信道编码模块以增强LiDAR点云特征，以及一个基于交叉注意力（cross-attention）的特征融合模块以整合来自收发器的特征。此外，我们利用非线性激活层和迁移学习来改善在数字信道噪声存在的情况下深度神经网络的训练。实验结果表明，所提出的LPC-FT比传统的八叉树压缩后接信道编码更高效、更鲁棒，优于最先进的基于深度学习的压缩技术和现有的语义通信方法，平均将Chamfer距离降低30%，将峰值信噪比（PSNR）提高1.9 dB。由于其优越的重构性能和对信道变化的鲁棒性，LPC-FT有望支持协同感知任务。
引用
@article{arxiv.2509.06506,
title = {Synesthesia of Machines (SoM)-Aided LiDAR Point Cloud Transmission for Collaborative Perception},
author = {Ensong Liu and Rongqing Zhang and Xiang Cheng and Jian Tang},
journal= {arXiv preprint arXiv:2509.06506},
year = {2025}
}