Predição Colaborativa de Ocupação Semântica com Fusão Híbrida de Características em Veículos Automatizados Conectados

A percepção colaborativa em veículos automatizados aproveita a troca de informações entre agentes, visando elevar os resultados da percepção. Métodos anteriores de percepção 3D colaborativa baseados em câmeras geralmente empregam caixas delimitadoras 3D ou visões aéreas como representações do ambiente. No entanto, essas abordagens falham em oferecer uma previsão ambiental 3D abrangente. Para preencher essa lacuna, introduzimos o primeiro método para predição colaborativa de ocupação semântica 3D. Em particular, melhora as previsões locais de ocupação semântica 3D através da fusão híbrida de (i) características de tarefas semânticas e de ocupação, e (ii) características de atenção ortogonal comprimida compartilhadas entre veículos. Além disso, devido à falta de um conjunto de dados de percepção colaborativa projetado para a predição de ocupação semântica, aumentamos um conjunto de dados de percepção colaborativa atual para incluir rótulos de ocupação semântica colaborativa 3D para uma avaliação mais robusta. Os resultados experimentais destacam que: (i) nossas previsões colaborativas de ocupação semântica superam os resultados de veículos isolados em mais de 30%, e (ii) modelos ancorados em ocupação semântica superam técnicas colaborativas de detecção 3D de ponta em aplicações subsequentes de percepção, mostrando melhor precisão e uma consciência semântica enriquecida em ambientes rodoviários.