V2X-DGPE：解决领域差距和位姿误差以实现鲁棒的协同3D目标检测
计算机视觉与模式识别
2025-01-28 v2 多智能体系统
摘要
在V2X协同感知中，异构节点之间的领域差距对有效信息融合构成了重大挑战。由延迟和GPS定位噪声引起的位姿误差进一步加剧了问题，导致特征错位。为了克服这些挑战，我们提出了V2X-DGPE，一个高精度且鲁棒的V2X特征级协同感知框架。V2X-DGPE采用知识蒸馏框架和特征补偿模块，从多源数据中学习领域不变表示，有效缩小车辆与路侧基础设施之间的特征分布差距。利用历史信息为模型提供对当前场景更全面的理解。此外，协同融合模块利用异构自注意力机制提取并整合来自车辆和基础设施的异构表示。为了解决位姿误差，V2X-DGPE引入了可变形注意力机制，使模型能够通过动态偏移采样点自适应地关注输入特征的关键部分。在真实世界DAIR-V2X数据集上的大量实验表明，所提出的方法优于现有方法，实现了最先进的检测性能。代码可在https://github.com/wangsch10/V2X-DGPE获取。
引用
@article{arxiv.2501.02363,
title = {V2X-DGPE: Addressing Domain Gaps and Pose Errors for Robust Collaborative 3D Object Detection},
author = {Sichao Wang and Ming Yuan and Chuang Zhang and Qing Xu and Lei He and Jianqiang Wang},
journal= {arXiv preprint arXiv:2501.02363},
year = {2025}
}