融合考虑通信延迟
文章平均质量分 90
考虑车间通信时的传输延迟
superbzhoucc
这个作者很懒,什么都没留下…
展开
-
V2X-ViT:基于Vision Transformer的V2X协同感知
Pose Error;Communication Delay;Intermediate Fusion;V2X;原创 2022-10-14 21:19:22 · 1625 阅读 · 0 评论 -
FS-COD:基于特征共享的V2V协同目标检测
由传感和通信系统的固有限制(遮挡和有限的通信带宽)引起的可扩展性和可靠性问题仍然是具有挑战性的问题。自动驾驶汽车系统的安全性取决于感知和inference系统的稳健性。但是,提高传感系统的质量是昂贵的,即使是高质量的LiDAR设备也不能克服遮挡问题。原创 2022-12-16 18:34:15 · 410 阅读 · 0 评论 -
Learn2com:基于Learnable Communications的V2I协同3D目标检测
提出了一个协同感知框架(Learn2com)使用LiDAR点云数据进行3D目标检测,通过注意力通信机制学习与路边设施智能地进行通信,从而在每个时间段只与一个邻近路边设施进行通信以节省带宽 ,达到提高目标检测精度和减少传输带宽的平衡。为了评估所提出框架的有效性,使用CARLA模拟器构建了一个仿真数据集CARLA-3D。原创 2022-12-14 21:26:03 · 293 阅读 · 0 评论 -
SyncNet:基于Latency-Aware 的V2V协同感知
针对协同感知中的通信延迟问题,提出了latency-aware协同感知系统,能够在聚合之前同步协作特征,减轻延迟造成的影响,以提高多车感知的性能。为实现特征级的同步,提出了延迟补偿模块SyncNet,通过利用历史协作信息联合估计当前时刻缺失的中间特征和协作注意力,来缓解延迟的影响。局限:估计特征和估计注意力的GT、自车特征图GT存在噪声。原创 2022-10-13 20:38:04 · 1311 阅读 · 0 评论 -
V2VNet: Vehicle-to-Vehicle Communication for Joint Perception and Prediction
V2VNet是一个联合架构以执行感知和预测任务,主要协助SDV完成以下工作:(1)处理原始传感器数据;(2)发送处理后的数据;(3)聚合从附近其他SDV收到的信息;(4)生成所有交通参与者在3D空间中的最终估计值和预测他们的未来轨迹。提出了一个V2V仿真数据集V2V-Sim以评估所提出的V2VNet。原创 2022-09-29 14:14:33 · 2240 阅读 · 0 评论