国内科研人员研发出一款面向智能网联与自动驾驶车辆的高效协同感知框架,依托 V2X 车车、车路通信链路,让路上多台自动驾驶车辆、路侧感知设备之间互通环境感知信息,不再只依靠单车自带传感器获取画面和点云;这套框架重点优化通信传输策略,优先传输目标语义特征而不是完整原始图像、点云,大幅降低带宽占用,缓解车联网信道拥堵、传输延迟高的问题,在路口、大车遮挡、雨雾弱光等复杂路况下,障碍物、行人、非机动车的检测稳定性明显优于传统单车感知方案,目前已经完成仿真验证和实车道路测试,为车路协同自动驾驶落地提供新的技术方案。

研发这套高效协同感知框架要解决的行业痛点
- 单车感知存在天然盲区:货车、护栏、建筑会遮挡激光雷达和摄像头,路口横穿行人、非机动车很容易漏检,存在安全隐患。
- 原始数据传输开销太大:老方案直接传递整张图像、全部点云,数据量巨大,V2X 通信带宽很容易被占满,时延超标。
- 多设备数据对齐困难:不同车辆定位有误差、采集时间不同步,直接融合容易出现目标重复、错位、丢失。
- 车载算力资源紧张:自动驾驶域控制器算力有限,复杂融合算法会拉长推理时间,影响车辆决策速度。
高效协同感知框架核心信息清单
| 项目 | 详情 |
|---|---|
| 研发主体 | 国内研究团队 |
| 适用对象 | 智能网联车辆、自动驾驶车辆 |
| 通信基础 | V2X 车车协同、车路协同通信 |
| 核心思路 | 优先共享关键语义特征,过滤冗余背景信息 |
| 核心优势 | 降低通信开销、缩短传输时延、补齐单车感知盲区 |
| 典型测试场景 | 交叉路口、密集车流、障碍物遮挡、雨雾弱光环境 |
| 当前阶段 | 仿真 + 实车验证阶段,暂未大规模量产装车 |
| 应用方向 | 车路云一体化自动驾驶、高阶智驾安全冗余 |
框架的工作流程
- 车端、路侧传感器各自采集图像、点云数据,在本地完成初步特征提取。
- 框架对感知信息做筛选压缩,只保留和行车安全相关目标的特征,过滤无关背景。
- 统一做时空对齐,校正不同设备之间的定位偏差、时间差。
- 多源特征融合,生成全局环境感知结果,输出障碍物、行人、车辆位置信息。
- 感知结果下发给自动驾驶规划控制模块,辅助车辆减速、避让、绕行决策。
整体来看,协同感知是高阶自动驾驶的重要方向,这套高效协同感知框架的核心亮点就是在感知精度和通信成本之间找到平衡,不盲目传输海量原始数据,优先保障安全目标识别,更适配国内城市复杂路口的交通环境,后续还会在智慧交通示范区开展更长周期的道路测试。
【相关 FAQ】
问题 1:这套面向智能网联和自动驾驶车辆的高效协同感知框架有什么作用?
回答 1:这套高效协同感知框架依靠 V2X 实现车、路感知信息互通,弥补单车传感器遮挡盲区,同时降低通信带宽压力,提升复杂路况下自动驾驶障碍物识别能力。
问题 2:智能网联自动驾驶高效协同感知框架对比单车感知有什么区别?
回答 2:单车感知只依靠本车传感器,容易被遮挡;高效协同感知框架融合多车、路侧设备信息,拥有超视距感知能力,但需要配套车联网通信支持。
问题 3:高效协同感知框架为什么可以做到通信高效?
回答 3:高效协同感知框架不会传输完整图像和点云,只筛选、压缩关键语义特征交互,减少传输的数据量,缓解带宽拥堵。
问题 4:高效协同感知框架现在能不能直接给自动驾驶车辆装车量产?
回答 4:该高效协同感知框架目前完成仿真与实车验证,还处在科研验证阶段,距离大规模量产装车还有测试、标准化、适配开发等环节。
【参考资料】
[2026-11-11](中国研究人员发明用于智能网联和自动驾驶车辆的高效协同感知框架)网通社
[2026-11-11](面向自动驾驶协同感知的高效传输方法)智源社区
[2026-06-03](香港城市大学团队攻克车联网感知难题)央视网
[2026-04-10](Long-SCOPE:全稀疏远距离协同三维感知框架)智源社区
【免责声明】
本文资讯来自网通社公开快报与公开学术资料,该高效协同感知框架相关指标为实验室与道路试点测试结果,量产、工程适配、整车落地存在不确定性,信息仅作智能网联行业资讯参考,不构成自动驾驶方案选型、设备采购建议,技术落地进展请以科研团队及车企官方披露为准。
