arXiv Computer Vision· Shuwei Sun, Jian Huang, Hui Cao·· 13 小时前AI 评分31
CoMET：跟踪路侧消息共享位姿误差，实现异步车路协同 3D 检测
CoMET: Tracking the Shared Pose Error of Roadside Messages for Asynchronous Vehicle-Infrastructure Cooperative 3D Detection
AI 导读
CoMET 通过匹配车辆与路侧检测、用互最近邻对估计共享平移并逐发送方更新卡尔曼滤波，在无真值、无未来帧、无逐对标定偏移的推理条件下跟踪路侧消息的共享位姿误差。
推荐理由模型分析
针对车路协同异步3D检测中位姿误差整体平移路侧框的问题，提出无学习参数的CoMET：用互最近邻匹配估计平移并逐发送端维护卡尔曼滤波，无匹配时沿用历史估计，且校正覆盖自车未见目标。在V2X-Seq 21条验证序列、0–400ms四档延迟下，BEV AP(IoU 0.7)由未校正在线位姿的63.18升至66.63，跨五种检测器增益2.2–3.5。作者还指出基准中28%消息以零偏移占位、45%偏移搜索触边界，提示标签参考本身存在不确定性，结论需结合该证据边界理解。
来源：arXiv Computer Vision · arxiv.org