V2X-AHD：基于非对称异构蒸馏网络的车路协同感知
人工智能
2023-10-11 v1 计算机视觉与模式识别
机器人学
摘要
目标检测是智能交通系统的核心问题，近期基于单车激光雷达的3D检测进展表明其可为智能体决策与规划提供准确位置信息。相比单车感知，多视角车路协同感知具有消除盲区与更广感知范围等根本优势，已成为研究热点。然而，当前协同感知聚焦于提升融合复杂度，却忽视了单视角轮廓缺失带来的根本问题。我们提出一种多视角车路协同感知系统——车路协同感知（V2X-AHD），以增强识别能力，尤其针对车辆形状预测。首先，我们提出一种非对称异构蒸馏网络，以不同训练数据输入，通过多视角教师特征向单视角学生特征迁移，提升轮廓识别精度。在点云数据稀疏时，我们提出Spara Pillar，一种基于稀疏卷积的插件式特征提取骨干网络，以减少参数量并提升特征提取能力。此外，我们利用多头自注意力（MSA）融合单视角特征，其轻量化设计使融合特征表达平滑。在大规模开放数据集V2Xset上的算法结果表明，我们的方法取得了最先进的（SOTA）结果。本研究表明，V2X-AHD可有效提升3D目标检测精度并减少网络参数量，可作为协同感知的基准。本文代码见 https://github.com/feeling0414-lab/V2X-AHD。
引用
@article{arxiv.2310.06603,
title = {V2X-AHD:Vehicle-to-Everything Cooperation Perception via Asymmetric Heterogenous Distillation Network},
author = {Caizhen He and Hai Wang and Long Chen and Tong Luo and Yingfeng Cai},
journal= {arXiv preprint arXiv:2310.06603},
year = {2023}
}