3 个月前

V2VNet:面向联合感知与预测的车对车通信

V2VNet:面向联合感知与预测的车对车通信

摘要

本文探讨了车对车(V2V)通信在提升自动驾驶车辆感知与运动预测性能方面的应用。通过智能聚合来自多辆附近车辆的信息,我们能够从不同视角观测同一场景,从而突破遮挡限制,并在远距离区域实现对目标的检测——这些区域的原始观测数据往往极为稀疏甚至完全缺失。此外,我们还证明,通过传输压缩后的深度特征图激活值,可在满足通信带宽约束的前提下,实现高精度的感知与预测性能。

代码仓库

taco-group/stamp
pytorch
GitHub 中提及
coperception/coperception
pytorch
GitHub 中提及
DerrickXuNu/OpenCOOD
pytorch
GitHub 中提及

基准测试

基准方法指标
3d-object-detection-on-opv2vV2VNet (PointPillar backbone)
AP@0.7@CulverCity: 0.734
AP@0.7@Default: 0.822
3d-object-detection-on-v2x-simV2VNet
mAOE: 0.349
mAP: 21.4
mASE: 0.255
mATE: 0.768
3d-object-detection-on-v2xsetV2VNet
AP0.5 (Noisy): 0.791
AP0.5 (Perfect): 0.845
AP0.7 (Noisy): 0.493
AP0.7 (Perfect): 0.677

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
V2VNet:面向联合感知与预测的车对车通信 | 论文 | HyperAI超神经