arXiv2019年12月上傳的，發表在IEEE Transactions on Intelligent Transportation Systems，10月底有修改版： “Cooperative Perception for 3D Object Detection in Driving Scenarios using Infrastructure Sensors”。

單視角或者單智體的感知，比如3-D目標檢測總有一些無法解決的問題，如有限視角、低點雲密度和遮擋等。那麼多個空間稀疏分佈的感測器（即使是單模式）可以提供協同感知克服以上問題。

融合主要分早期和晚期兩種（也有中期特徵級別）。本文評估兩種3-D點雲目標檢測的融合方法，主要採用一個合成數據集，模擬兩種交通場景：環島和T-型路口。結果表面，早期融合明顯好於晚期融合。另外，融合的空間點也是一個因素。

如圖是系統模型：資料在中央融合系統彙總各個感測器的資料，形成周圍車輛共享一個目標單的結果。

這裡所有感測器的資料要轉換成一個統一的座標系下

如下圖是早期（a-）和晚期（b-）融合的協同目標檢測的示意圖：

還有一種混合方案：與晚期融合相比，早期融合方案可以提高檢測目標的可能性，歸因於檢測之前的匯聚資訊，但需要原始感測器資料共享，這增加了通訊成本；作為中間解決方案，混合融合方案使用這兩種方案，在不顯著增加通訊成本的情況下提升檢測的可能性；關鍵點是在感測器可見度較高的情況下共享高階資訊（晚期融合），可見度較低的情況下共享低階資訊（早期融合）；靠近感測器的目標將具有較高的點密度，因此更可能使用單個感測器的觀測值來檢測；因此，不需要將感測器附近的點傳輸到中心融合系統，可減少通訊頻寬。

首先，在每個感測器節點採用晚期融合方案，並將檢測到的目標框共享給中心融合系統；接著，每個感測器節點選擇其在水平面投影在半徑R的圓之外的點，與中心融合系統共享；半徑R數值用來調節早期融合和晚期融合之間的權衡；隨著R減少，中心融合系統共享更多原始資料；然後，中心融合系統對輸入的點雲使用早期融合方案，並將檢測到的邊框與每個感測器節點的晚期融合結果進一步融合。

目標檢測方法基於VoxelNet【19】：即Apple以前提出的方法，如圖（方法不是問題重點）

模擬器採用Carla，對環島和丁字口的模型場景如圖所示：因為目前沒有做這個的資料可用吧，只有自動駕駛公司才會收集實際的感測器資料。

這裡採用的感測器是RGB-D，丁字口用了6個攝像頭，環島用了8個攝像頭，結果depth影象會轉換為點雲，即

這裡給出一些結果：

注：這裡沒有考慮車路協同，只有路端融合結果共享給車輛，而不是運動的車輛感測器和道路感測器的融合，這樣會面臨道路感測器資料轉換到動態車輛座標系的複雜問題。