摘要

自动驾驶车辆高度依赖传感器来精准感知周围环境，然而在当前技术水平下，车辆所使用的数据仅限于自身传感器采集的信息。车辆与车辆之间以及车辆与边缘服务器之间的数据共享，受限于可用网络带宽以及自动驾驶应用对实时性的严苛要求。为解决上述问题，本文提出一种基于点云特征的协同感知框架（F-Cooper），用于连接式自动驾驶车辆，以提升目标检测的精度。该框架不仅使基于特征的数据足以支持训练过程，还利用特征本身体积小的天然优势，实现低延迟的实时边缘计算，有效避免网络拥塞问题。实验结果表明，通过融合特征信息，目标检测性能显著提升：在20米以内的检测精度提升约10%，在更远距离的检测精度提升可达30%；同时，边缘计算速度更快，通信延迟极低，在特定特征选择下仅需71毫秒。据我们所知，本工作首次将特征级数据融合引入连接式自动驾驶车辆系统，旨在增强目标检测能力，并首次使车辆间数据的实时边缘计算在自动驾驶场景中成为可行方案。