【论文阅读】Consensus-Based Distributed Cooperative Perception for Connected and Automated Vehicles

TODO 本文阅读难度较大，并未完成阅读。

论文基本信息

《Consensus-Based Distributed Cooperative Perception for Connected and Automated Vehicles》
《基于共识的联网和自动化车辆分布式协同感知》
IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, VOL. 24, NO. 8, AUGUST 2023
作者：有Fellow

本文到底在做什么事情？——

提出了一种基于共识的分布式协作感知算法，旨在通过结合车联网信息来提高检测和跟踪非连接目标的准确性和一致性。该算法适用于AV的多传感器配置，并且可以处理非线性系统模型和传感器。此外，该算法还扩展到多模型形式，以提高机动目标的模型不确定性。

摘要

结合车辆到一切（V2X）信息的合作感知技术为提高自动车辆（AVs）的感知能力提供了新的可能性，但也提出了一个新的挑战，即如何在通信负担有限的情况下最大化互联信息的好处。在此基础上，本文提出了一种基于共识理论的协同感知解决方案，通过结合V2X信息来提高对非连接目标的检测和跟踪的准确性和一致性。针对常见的多传感器配置，设计了一种基于共识的分布式协同感知（DCP）算法，并给出了一种基于立体规则的非线性形式，包括更精确的非线性系统模型和非线性传感器。
考虑车辆目标的高机动性，我们扩展DCP算法多模型形式（DMMCP）提高模型不确定性机动目标通过结合多个模型的先验知识，也给出了模型概率的计算方法及其平均共识的多个本地传感器。此外，还讨论了一种新的共识信息权值策略以及不同共识信息权值的性质。仿真结果表明，这两种算法在精度和一致性上都优于传统算法，而且考虑了模型不确定性的DMMCP算法在复杂条件下的性能都优于DCP算法。

1.引言

2.相关工作

3.PROBLEM FORMULATION

4. CONSENSUS-BASED DISTRIBUTED COOPERATIVE PERCEPTION

5. CONSENSUS-BASED DISTRIBUTED MULTI-MODEL COOPERATIVE PERCEPTION

6. DISCUSSION ON CONSENSUS INFORMATION WEIGHT

7. SIMULATION EVALUATION

8. 总结

在本文中，我们提出了一种针对合作感知问题的一种新的解决方案，即基于共识的分布式合作感知方案，并证明了该方案在提高感知信息的一致性和准确性方面的巨大潜力。
在此基础上，我们提出了一种新的DCP算法，在混合共识的框架下，设计了一种局部传感器和多节点信息的多层融合策略。此外，我们还提出了一种DMMCP算法，将DCP算法扩展到一个多模型框架中，以提高车辆机动运动的跟踪性能。
通过对直线和复合条件的两组模拟，我们证明了我们的算法在准确性和一致性方面都优于传统的合作感知算法，而不管共识信息的权重。同时，该算法对时变拓扑具有鲁棒性，并显示了多层融合方案的增益。DMMCP算法在直线和弯曲道路复合条件下考虑模型不确定性的优势，但其通信负担随模型数量的增加成比例增加。
此外，DCP和DMMCP算法的性能都得益于通信链路的数量和迭代的次数，这也伴随着更大的通信需求，因此在实际应用中需要在性能和通信负担之间进行平衡的选择。最后，在具有挑战性的场景测试中的优越性能表明，该算法在实际应用中可能存在的复杂情况。

补充