OPV2V : Un jeu de données de référence ouvert et un pipeline de fusion pour la perception avec communication véhicule-à-véhicule

L’utilisation de la communication véhicule-à-véhicule (V2V) pour améliorer les performances de perception dans les technologies d’automobiles autonomes suscite un intérêt croissant ; toutefois, le manque de jeux de données ouverts adaptés pour la calibration et l’évaluation des algorithmes rend difficile le développement et la validation des technologies de perception coopérative. À cet effet, nous présentons le premier jeu de données simulé à grande échelle et ouvert dédié à la perception V2V. Ce jeu de données comprend plus de 70 scènes intéressantes, 11 464 trames et 232 913 boîtes englobantes 3D annotées pour les véhicules, collectées à partir de 8 villes dans CARLA ainsi qu’à partir d’une ville numérique de Culver City, à Los Angeles. Nous avons ensuite construit une benchmark complète incluant 16 modèles implémentés afin d’évaluer plusieurs stratégies de fusion d’information (fusion précoce, tardive et intermédiaire) combinées à des algorithmes de détection LiDAR de pointe. En outre, nous proposons une nouvelle architecture baptisée « Attentive Intermediate Fusion », conçue pour agréger efficacement les informations provenant de plusieurs véhicules connectés. Nos expérimentations montrent que cette pipeline peut être facilement intégrée aux détecteurs 3D LiDAR existants et atteint des performances exceptionnelles, même avec des taux de compression élevés. Pour encourager davantage de chercheurs à explorer la perception V2V, nous mettrons à disposition le jeu de données, les méthodes de benchmark et tous les codes associés à l’adresse suivante : https://mobility-lab.seas.ucla.edu/opv2v/.