基于注意力图卷积的车路协同多车感知特征压缩与融合系统设计.docxVIP

PAGE2

基于注意力图卷积的车路协同多车感知特征压缩与融合系统设计

摘要

本设计针对车路协同场景中多车感知数据共享存在通信带宽瓶颈和全局感知能力不足的问题，提出一种基于注意力图卷积的特征压缩与融合系统。系统在车端部署轻量级特征压缩网络，通过自编码器与通道剪枝技术将高维点云特征压缩至原始大小的20%以下，在保证检测精度的同时大幅降低通信开销。路侧构建时空图卷积融合模型，将多车与路侧传感器视为动态图节点，利用图注意力机制聚合多视角特征，并通过时序卷积捕获运动信息，实现全局视野下的高精度3D目标检测与跟踪。论文遵循工程化设计流程，从需求分析、总体设计、详细设计到实现与测试，完整阐述了系统架构、模块划分、算法流程及关键技术。在CARLA仿真平台上的实验表明，本系统在通信带宽约束下，相比单节点感知，检测精度提升约18%，通信量降低约82%，验证了设计方案的有效性。核心创新点在于提出了一种端到端可训练的协同感知框架，将特征压缩与时空图融合统一建模，为车路协同感知提供了高效可扩展的解决方案。

第一章绪论

1.1研究背景

随着自动驾驶技术的快速发展，单车智能感知受限于传感器视场和遮挡，难以在复杂交通场景中实现可靠的环境理解。车路协同感知通过共享车辆与路侧单元的多源传感器数据，能够有效扩展感知范围、消除盲区，成为解决单车感知瓶颈的关键路径。

当前车路协同感知系统面临两个核心痛点。一是通信