迈向车联网自动驾驶：协同感知综述

车联网（V2X）自动驾驶为开发新一代智能交通系统开辟了广阔前景。作为实现 V2X 的关键组成部分，协同感知（CP）可克服单体感知的固有局限，包括遮挡与远距离感知。本综述对面向 V2X 场景的 CP 方法进行了全面回顾，为学界带来深刻而深入的理解。具体而言，我们首先介绍典型 V2X 系统的架构与工作流，从而以更广阔的视角理解整个 V2X 系统及 CP 在其中所起的作用。随后，我们系统总结并分析了现有的 V2X 感知数据集与 CP 方法。特别地，我们从多个关键角度介绍了大量 CP 方法，包括协作阶段、路侧传感器布置、时延补偿、性能-带宽权衡、攻击/防御、位姿对齐等。此外，我们进行了广泛的实验分析以比较和检验当前 CP 方法，揭示了若干本质且未被探索的见解。具体地，我们分析了不同方法在不同带宽下的性能变化，深入洞察性能-带宽权衡问题。同时，我们考察了不同激光雷达（LiDAR）量程下的方法表现。为研究模型鲁棒性，我们进一步探究了多种模拟真实世界噪声对不同 CP 方法性能的影响，涵盖通信时延、有损通信、定位误差与混合噪声。另外，我们考察了现有 CP 方法的仿真到现实泛化能力。最后，我们深入讨论了问题与挑战，并指出值得未来努力的有前景方向。用于实验分析的代码将公开于 https://github.com/memberRE/Collaborative-Perception。