综述：自动驾驶Systematic Literature Review on Vehicular Collaborative Perception -- A Computer Vision Persp

论文作者：Lei Wan,Jianxin Zhao,Andreas Wiedholz,Manuel Bied,Mateus Martinez de Lucena,Abhishek Dinkar Jagtap,Andreas Festag,Antônio Augusto Fröhlich,Hannan Ejaz Keen,Alexey Vinel

作者单位：XITASO Gmbh;Karlsruhe Institute of Technology (KIT);Technische Hochschule Ingolstadt (THI);Federal ¨University of Santa Catarina (UFSC);Car2Car

论文链接：http://arxiv.org/abs/2504.04631v1

内容简介：

自动驾驶汽车的有效性依赖于可靠的感知能力。尽管人工智能与传感器融合技术取得了显著进展，当前单车感知系统仍面临诸多局限，特别是在视觉遮挡和远距离探测能力方面。协同感知（Collaborative Perception，简称CP），借助车联网（V2V，车对车通信；V2I，车对基础设施通信）技术，已成为缓解这些问题、提升自动驾驶系统可靠性的重要方向。除了通信技术的提升，计算机视觉领域也越来越关注通过协同方法改进车辆感知能力。然而，目前仍缺乏一份全面、系统、且能降低主观偏差的文献综述，这对于识别研究空白、总结研究趋势并指导未来方向具有重要意义。为此，本研究遵循PRISMA 2020指南，筛选并分析了106篇经过同行评审的论文。分析内容涵盖感知模态、协作方案以及关键感知任务。通过对比分析，综述展示了不同方法如何应对实际问题，如位姿误差、时间延迟、通信受限、领域差异、系统异质性及对抗性攻击。此外，本文还对现有评估方法进行了批判性审视，指出当前评估指标与协同感知的基本目标存在一定脱节。通过深入探讨各相关主题，本综述为协同感知领域的挑战、机遇与风险提供了宝贵的参考，有助于推动未来的研究发展。