核心概念
基礎設施在協作感知中扮演著至關重要的角色,將其從輔助角色轉變為主要代理,可以顯著提高感知能力,尤其是在噪音環境和結構化場景中。
論文資訊
Bae, H., Kang, M., Song, M., & Ahn, H. (2024). Rethinking the Role of Infrastructure in Collaborative Perception. arXiv preprint arXiv:2410.11259v1.
研究目標
本研究旨在探討基礎設施在協作感知中的作用,並比較以車輛為中心和以基礎設施為中心的協作感知方法的性能差異。
研究方法
本研究利用 V2XSet 和 V2X-Sim 兩個模擬數據集進行實驗。
選擇了 V2X-ViT、Where2comm 和 ParCon 三種現有的以車輛為中心的協作感知模型,並將其修改為以基礎設施為中心的模型。
評估指標為 3D 物體檢測的平均精度 (AP)。
考慮了完美、簡單噪音和嚴重噪音三種不同的環境設定。
主要發現
在以車輛為中心的協作感知中,加入基礎設施數據可以提高 3D 物體檢測的準確度,尤其是在存在遮擋的情況下。
以基礎設施為中心的協作感知在噪音魯棒性和檢測準確度方面表現更佳,尤其是在結構化環境中,例如十字路口。
以基礎設施為中心的協作感知在簡單噪音環境下,相較於以車輛為中心的協作感知,在 V2XSet 數據集上的準確度提高了 2.50% 至 7.55%,在 V2X-Sim 數據集上的準確度提高了 29.75% 至 42.53%。
主要結論
基礎設施在協作感知中扮演著至關重要的角色,不應僅僅被視為輔助代理。
以基礎設施為中心的協作感知是一種很有前景的方法,尤其是在噪音環境和結構化場景中。
最佳的協作感知策略應根據具體的應用場景和環境特點進行選擇。
研究意義
本研究為協作感知領域提供了一種新的思路,即將基礎設施視為主要代理,並證明了這種方法的有效性。
研究限制與未來方向
以基礎設施為中心的協作感知的性能在很大程度上取決於道路場景,例如,當感知範圍較廣時,可能會出現誤差累積的問題。
未來研究可以考慮將多個基礎設施的數據融合到協作感知系統中,以克服上述限制。
統計資料
在 V2XSet 數據集中,加入基礎設施數據後,3D 物體檢測的平均精度 (AP@0.7) 提升了 9.51% 到 10.87%(完美環境設定)和 3.49% 到 6.11%(簡單噪音環境設定)。
在 V2X-Sim 數據集中,加入基礎設施數據後,3D 物體檢測的平均精度 (AP@0.7) 提升了 2.67% 到 4.03%(完美環境設定),但在簡單噪音環境設定下略有下降 (0.70% 到 2.89%)。
以基礎設施為中心的協作感知在簡單噪音環境下,相較於以車輛為中心的協作感知,在 V2XSet 數據集上的準確度提高了 2.50% 至 7.55%,在 V2X-Sim 數據集上的準確度提高了 29.75% 至 42.53%。