Collaborative Perception in Autonomous Driving: Methods, Datasets and Challenges

要約

自動運転におけるオクルージョンやセンサーの故障の問題に対処するには、共同認識が不可欠です。
近年、共同認識のための小説作品の理論的および実験的研究が大幅に増加しています。
しかし、これまでのところ、体系的なコラボレーション モジュールや大規模な共同認識データセットに焦点を当てたレビューはほとんどありません。
この研究では、このギャップを埋め、将来の研究を動機付けるために、この分野における最近の成果をレビューします。
まず、コラボレーションスキームの概要から始めます。
その後、理想的なシナリオと現実世界の問題に対する共同認識方法を体系的にまとめます。
前者はコラボレーション モジュールと効率に重点を置き、後者は実際のアプリケーションの問題に対処することに専念します。
さらに、大規模な公開データセットを提示し、これらのベンチマークに関する定量的な結果を要約します。
最後に、現在の学術研究と現実世界の応用との間のギャップを強調し、課題を見逃します。
プロジェクトページは https://github.com/CatOneTwo/Collaborative-Perception-in-Autonomous-Driving です

要約(オリジナル)

Collaborative perception is essential to address occlusion and sensor failure issues in autonomous driving. In recent years, theoretical and experimental investigations of novel works for collaborative perception have increased tremendously. So far, however, few reviews have focused on systematical collaboration modules and large-scale collaborative perception datasets. This work reviews recent achievements in this field to bridge this gap and motivate future research. We start with a brief overview of collaboration schemes. After that, we systematically summarize the collaborative perception methods for ideal scenarios and real-world issues. The former focuses on collaboration modules and efficiency, and the latter is devoted to addressing the problems in actual application. Furthermore, we present large-scale public datasets and summarize quantitative results on these benchmarks. Finally, we highlight gaps and overlook challenges between current academic research and real-world applications. The project page is https://github.com/CatOneTwo/Collaborative-Perception-in-Autonomous-Driving

arxiv情報

提供元, 利用サービス

arxiv.jp, Google