S2S-Net: Addressing the Domain Gap of Heterogeneous Sensor Systems in LiDAR-Based Collective Perception

要約

集団認識（CP）は、自律運転の文脈における個々の認識の限界を克服するための有望なアプローチとして浮上しています。
集団的認識を実現するために、さまざまなアプローチが提案されています。
ただし、接続および自動化された車両（CAVS）のさまざまなセンサーシステムの利用から生じるSensor2Sensorドメインギャップは、ほとんど対処されていません。
これは主に、Cavs間の不均一なセンサーのセットアップを含むデータセットの不足によるものです。
最近リリースされたスコープデータセットは、各CAVに3つの異なるLIDARセンサーからのデータを提供することにより、この問題に対処します。
この研究は、車両（V2V）集団認識の車両のSensor2Sensorドメインギャップに最初に取り組むことです。
まず、センサードメインの堅牢なアーキテクチャS2S-NETを紹介します。
次に、SCOPEデータセット上のS2S-NETのSENSOR2SENSORドメイン適応機能の詳細な分析が実行されます。
S2S-NETは、目に見えないセンサードメインで非常に高いパフォーマンスを維持する機能を実証し、スコープデータセットで最先端の結果を達成しました。

要約(オリジナル)

Collective Perception (CP) has emerged as a promising approach to overcome the limitations of individual perception in the context of autonomous driving. Various approaches have been proposed to realize collective perception; however, the Sensor2Sensor domain gap that arises from the utilization of different sensor systems in Connected and Automated Vehicles (CAVs) remains mostly unaddressed. This is primarily due to the paucity of datasets containing heterogeneous sensor setups among the CAVs. The recently released SCOPE datasets address this issue by providing data from three different LiDAR sensors for each CAV. This study is the first to tackle the Sensor2Sensor domain gap in vehicle to vehicle (V2V) collective perception. First, we present our sensor-domain robust architecture S2S-Net. Then an in-depth analysis of the Sensor2Sensor domain adaptation capabilities of S2S-Net on the SCOPE dataset is conducted. S2S-Net demonstrates the capability to maintain very high performance in unseen sensor domains and achieved state-of-the-art results on the SCOPE dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google