文献整理很好的博主:superbzhoucc的博客_CSDN博客-协同感知,特征级融合,融合不考虑协同感知存在的通信延迟、数据丢包等问题领域博主
我重点关注了协同感知中的V2X通信问题。
不理想通信方面:1,Learning for Vehicle-to-Vehicle Cooperative Perception under Lossy Communication这篇文章考虑了不理想通信,提出了一种intermediate LC-aware的特征融合方法,修复Lossy Communication中的不完整共享特征。还提出了一个V2V Attention Module(V2VAM)来加强Ego和其他车辆之间的interaction。
2,Trustworthiness Estimation of Entities within Collective Perception 提出了贝叶斯来修正传输过程中的错误码率。
模型不同方面:在特征级融合中,由于很难保障车辆都配备同样模型,所以Bridging the Domain Gap for Multi-Agent Perception提出MPDA,主要解决了不同特征图中空间分辨率,channel个数和模式的差异问题。
V2I路侧设备方面:其实我们很难保证V2V信息的安全性,可能会存在恶意节点的攻击和伪造信息,但这个是很大的安全一部分的知识,但是我们可以信任路侧设备RSU,Collaborative 3D Object Detection for Automatic Vehicle Systems via Learnable Communications考虑了结合RSU来进行协同3D目标检测。