车联网基于V2X的协同感知学习笔记

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。