# CoCam4D låter bilar utan LiDAR dela djupdata

> Ett nytt Bayesianskt ramverk gör det möjligt för självkörande fordon att utbyta kompakta 3D-representationer med gaussiska funktioner och minska osäkerheten i djupuppskattningen – utan LiDAR.

Oossa · 2026-10-09 · https://oossa.com/sv/cocam4d-enables-camera-only-cars-to-share-depth-data

Forskare under ledning av Soham Pahari har presenterat CoCam4D, ett system för samverkande perception i självkörande fordon som enbart använder kameror. Systemet modellerar geometrisk osäkerhet med 3D-gaussiska scenprimitiver och delar dem via C‑V2X i ett 35-byteformat kallat Dynamic Object Primitives. Tester på offentliga datamängder visar en förbättring på 11,48 % jämfört med den bästa nya metoden som enbart använder bilddata på OPV2V+ och en ökning på 10,62 % på DAIR‑V2X‑C. Metoden fungerar utan LiDAR och bygger enbart på delade kameradata.

## Fakta

- Artikeln publicerades på arXiv 2026-10-09 (”Fri Oct 09 2026”)
- Förbättring på 11,48 % på OPV2V+ och 10,62 % på DAIR‑V2X‑C

## Varför det spelar roll

Det gör att fordonsflottor med kamerautrustade bilar kan förbättra sin omvärldsuppfattning i döda vinklar utan dyr LiDAR-utrustning.

## Källor och referenser

1. [CoCam4D: Geometry-Aware Cooperative 4D Perception for Camera-Only Autonomous Driving](https://arxiv.org/abs/2610.11577) – arXiv cs.RO, 2026-10-09

Senast uppdaterad: 2026-10-09