遥操驾驶：压缩点云中三维目标检测的新挑战
计算机视觉与模式识别
2025-06-16 v1 网络与互联网体系结构
图像与视频处理
摘要
近年来，互连设备的发展在许多领域得到了扩展，从信息娱乐到教育和工业应用。这一趋势因传感器数量的增加以及强大硬件和软件的可及性而加速。远程驾驶（Teleoperated Driving, TD）是显著受益于这些进步的领域之一。在该场景中，操作者利用车载传感器生成的数据，通过车对万物（V2X）通信远程安全地驾驶车辆。在本工作中，我们着手解决从点云数据中检测汽车和行人存在的问题，以支持安全的 TD 操作。更具体地说，我们利用了 SELMA 数据集——一个用于自动驾驶的多模态、开源合成数据集——并将其扩展以包含三维物体的真实边界框以支持目标检测。我们分析了最先进的压缩算法和目标检测器在多项指标下的性能，包括压缩效率、（解）压缩和推理时间，以及检测精度。此外，我们衡量了压缩和检测对 V2X 网络的影响，包括数据率和延迟，并与 3GPP 对 TD 应用的要求进行了对比。
引用
@article{arxiv.2506.11804,
title = {Teleoperated Driving: a New Challenge for 3D Object Detection in Compressed Point Clouds},
author = {Filippo Bragato and Michael Neri and Paolo Testolina and Marco Giordani and Federica Battisti},
journal= {arXiv preprint arXiv:2506.11804},
year = {2025}
}
备注
Submitted to IEEE Transactions on Intelligent Transportation Systems