题目

Collaborative Perception for Autonomous Driving: Current Status and Future Trend
链接：https://arxiv.org/abs/2208.10371

简介

这是一篇最新的Collaborative Perception综述文章。

Introduction部分对该协同感知领域进行了介绍：

One of the crucial module of autonomous driving is perception, which targets to perceiving the surrounding environment and extracting information related to navigation, including object detection, tracking, semantic segmentation and so on.

individual车辆的感知系统已经研究到了比较高的精度层次。会让自动驾驶领域的研究到达瓶颈，因为有两个重要因素是单个车辆无法解决的：遮挡问题、长距离导致的点云稀疏问题。

A resolution to these issues is that vehicles in the same area share the collective perception message(CPM) with each other to collaborate to perceive the environments, which is called collaborative perception or cooperative perception.

Collaboration mode部分对协同感知方法做了分类和简介

分为三类方法：早期融合、中期融合（方法较多）、后期融合

缺点：

1. 早期融合：因为交换的是原始数据，需要交换的数据量过大，荣誉造成网络延迟
2. 中期融合：两个挑战（1.如何选择最有利的特征。2.如何最大限度融合其他agent的特征）
3. 后期融合：对定位误差非常敏感。由于不完整的局部观测，因此会有较高的定位误差和噪声。
4. **混合方法：各个阶段的信息融合利用（综述作者也是DiscoNet作者，感觉也比较推他自己的方法）

具体的方法的具体分类见github仓库链接
⬆️其中还包含数据集的介绍和各方法仓库链接

Key Ingredients

1. Collaborative Graph
   图具有好的建模能力和良好的可解释性
   车是节点、协作关系是边
2. Pose Alignment
   Since collaborative perception requires to fuse data from vehicles and infrastructure at different locations and different time, it is significant for successful collaboration to achieve accurate data alignment.
3. Information Fusion
   Information fusion is a core component in multi-agent systems, which targets to fuse the most informative part from other agents in an effective manner.
4. Resource allocation with reinforcement learning

Application

主要就是两方面

1. 3D目标检测
2. 3D语义分割
   

挑战

1. 信息交流的稳定性
2. 由于自动驾驶车辆的异构，导致不同车之间的协同感知会出现问题。
3. 缺乏大型的数据集