AutoCast: scalable infrastructure-less cooperative perception for distributed collaborative driving
AutoCast: scalable infrastructure-less cooperative perception for distributed collaborative driving
复制标题
AutoCast：可扩展的无基础设施的协作感知，用于分布式协作驾驶
DOI：
10.1145/3498361.3538925
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Govindan, Ramesh
中科院分区：
文献类型：
--
作者：
Qiu, Hang;Huang, Po-Han;Asavisanu, Namo;Liu, Xiaochen;Psounis, Konstantinos;Govindan, Ramesh
自动驾驶汽车使用3D传感器进行感知。协同感知使车辆能够彼此共享传感器读数，以提高安全性。先前的合作感知工作即使在基础设施的支持下也很差。AutoCast使用直接的车辆到车辆通信实现可扩展的无基础设施协作感知。它根据交通参与者之间的位置关系及其轨迹的时间演变仔细确定要共享的对象。它以分布式方式协调车辆并优化调度传输。在不同场景下的大量评估结果表明，与竞争方法不同，AutoCast可以避免在没有合作感知的情况下频繁发生的崩溃和未遂事件，其性能在密集交通场景中提供2- 4倍于现有合作感知方案的安全关键对象的可见性，其传输调度可以在真实的无线电测试平台上完成，并且其调度算法是接近最优的，具有可忽略的计算开销。
Autonomous vehicles use 3D sensors for perception. Cooperative perception enables vehicles to share sensor readings with each other to improve safety. Prior work in cooperative perception scales poorly even with infrastructure support. AutoCast enables scalable infrastructure-less cooperative perception using direct vehicle-to-vehicle communication. It carefully determines which objects to share based on positional relationships between traffic participants, and the time evolution of their trajectories. It coordinates vehicles and optimally schedules transmissions in a distributed fashion. Extensive evaluation results under different scenarios show that, unlike competing approaches, AutoCast can avoid crashes and near-misses which occur frequently without cooperative perception, its performance scales gracefully in dense traffic scenarios providing 2-4x visibility into safety critical objects compared to existing cooperative perception schemes, its transmission schedules can be completed on the real radio testbed, and its scheduling algorithm is near-optimal with negligible computation overhead.
登录
查看更多内容
eCloud：边缘云连续体演进的愿景
影响因子：
2.2
作者：
Arulraj, Joy;Chatterjee, Abhijit;Daglis, Alexandros;Dhekne, Ashutosh;Ramachandran, Umakishore
通讯作者：
Ramachandran, Umakishore
DOI：
10.1109/icra40945.2020.9197522
发表时间：
2019-10
期刊：
2020 IEEE International Conference on Robotics and Automation (ICRA)
影响因子：
--
作者：
Amine Elhafsi;B. Ivanovic;Lucas Janson;M. Pavone
通讯作者：
Amine Elhafsi;B. Ivanovic;Lucas Janson;M. Pavone
DOI：
10.1109/csnt.2014.33
发表时间：
2014-04
期刊：
2014 Fourth International Conference on Communication Systems and Network Technologies
影响因子：
--
作者：
Madhvi Saxena;Neelam Phate;K. Mathai;M. Rizvi
通讯作者：
Madhvi Saxena;Neelam Phate;K. Mathai;M. Rizvi
DOI：
10.1109/cvpr.2016.393
发表时间：
2016-06
期刊：
2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)
影响因子：
--
作者：
G. Máttyus;Shenlong Wang;S. Fidler;R. Urtasun
通讯作者：
G. Máttyus;Shenlong Wang;S. Fidler;R. Urtasun
使用全向摄像头进行基于运动的车辆周围环境分析
DOI：
10.1109/ivs.2004.1336445
发表时间：
2004
期刊：
IEEE Intelligent Vehicles Symposium, 2004
影响因子：
--
作者：
T. Gandhi;M. Trivedi
通讯作者：
M. Trivedi