本研究针对自主驾驶中的遮挡与感知范围问题，构建了WHALES数据集，并提出了合作感知方法，实验结果表明该方法能提升感知效果，促进自主驾驶技术的发展。

本文介绍了多种自动驾驶技术，包括基于深度学习的感知方法、3D物体检测、深度估计和合作感知。研究提出的新数据集和算法提升了自动驾驶系统的性能，推动了智能交通系统的发展。

该论文提出了一种基于单目相机和廉价雷达的自主驾驶框架，利用MTUNet提取图像特征，并通过CILQR和VPC模块进行运动规划和控制。同时，研究综述了智能车辆的规划方法，探讨了车联网和合作感知在自动驾驶中的应用，提出了V2X-Lead和UniV2X等新方法，以提高安全性和效率。

本文介绍了UniV2X，一个集成自车与基础设施传感器数据的合作自主驾驶框架，提升了规划和输出性能。通过V2X通信，自动驾驶车辆能够更准确地感知环境，克服个体感知的局限。研究探讨了合作感知技术的演进及其在复杂交通环境中的应用，提出了基于V2X的健壮感知框架，并展示了其在3D物体检测中的优越表现。

本研究强调道路边缘感知的重要性，提出了合作感知技术以提升交通区域的感知能力。研究发布了大规模数据集CODa和Rope3D，证明了合作感知在三维物体检测中的有效性，并展示了未来研究方向。

该论文提出了名为MACP的新框架，通过合作能力提升单一代理的感知性能，适应性强且通信成本低。研究综述了合作感知技术在自动驾驶中的应用，强调其在复杂交通环境中的重要性，尤其是解决遮挡问题。合作感知被视为智能交通系统的未来发展方向。

车联网自动驾驶是智能交通系统的有前途方向，合作感知是必要组成部分，能克服个体感知的局限。综述了车联网场景下的合作感知方法，提供了深入理解。