Oct, 2020

适用于恶劣天气中汽车感知的雷达数据集

PDF
TL;DR本文介绍了一种名为 RADIATE 的公开数据集，使用雷达传感器获取高分辨率的公共道路数据图像，以进行安全自动驾驶的物体检测，跟踪和场景理解的研究。该数据集是第一个在恶劣天气条件下提供公共道路高分辨率雷达图像的数据集，包含超过 200,000 个标记的道路演员。
autonomous carsperception systemsradiateradar sensingobject detection
发现论文，激发创造
  • Ithaca365：重复和具有挑战性的天气条件下的数据集和驾驶感知

    为了实现自主驾驶高安全性要求下的鲁棒性，本文提出了一种新数据集的收集方法，覆盖多种天气、交通和场景，包含图像和点云数据以及高精度 GPS/INS 数据，并在此基础上分析了自动驾驶的三个关键问题的性能表现。

    Aug, 2022

  • K-Radar：各种天气条件下自动驾驶 4D 雷达物体检测

    本文介绍了 KAIST-Radar 数据集，该数据集包含 4D Radar tensor 数据，并提供了附加的 Lidar、立体相机和 RTK-GPS 测量，用于提高雷达物体检测的准确性，该数据集包含逆境天气下的各类道路，提供了相关基准测试和神经网络，并证明了 4D Radar 更适合逆境天气条件下的物体检测。

    Jun, 2022

  • 雷达幽灵数据集 -- 对汽车雷达数据中的幽灵物体进行评估

    本文介绍了一种包含有关不同类型幽灵检测的详细手动注释的数据集，并评估了识别这些对象的两种不同方法。希望我们的数据集能鼓励更多研究者参与到多径对象抑制或开发领域中。

    Apr, 2024

  • CARRADA 数据集：具有范围 - 角度 - 多普勒标注的相机和汽车雷达数据

    本研究介绍了 CARRADA 数据集，其中包含相机和雷达信号，以及一种半自动注释方法和一种基于雷达的语义分割基线方法。

    May, 2020

  • RadarScenes: 一款用于汽车应用的真实世界雷达点云数据集

    本研究提供一份新的汽车雷达数据集，用于支持以机器学习为基础的雷达感知算法的研发，特别关注移动道路用户的检测和分类，数据集由四个系列雷达传感器提供数据，持续记录超过四个小时的驾驶过程，同时提供详细的测量和标注信息，以便确保算法的公共性能评估。

    Apr, 2021

  • 双雷达：一种用于自动驾驶的双 4D 雷达多模态数据集

    雷达在自动驾驶环境感知方面相较于广泛采用的摄像头和 LiDAR 具有更强的适应性。本文介绍了一个新颖的大规模多模态数据集，首次同时捕获了两种类型的 4D 雷达，为进一步研究有效的 4D 雷达感知算法提供了支持。

    Oct, 2023

  • 雷达角色的反思：摄像机 - 雷达数据集及通过坐标对齐的系统化标注器

    该研究提出了一种名为 CRUW 的新数据集，并通过系统化注释和性能评估系统实现了雷达对象检测（ROD）任务，以从雷达的射频（RF）图像纯粹地对 3D 中的物体进行分类和定位，以此来充分利用雷达作为一种全天候传感器的优势。

    May, 2021

  • 面向多雨条件下的鲁棒三维物体检测

    通过使用先进的天气监测网络来过滤喷雾，这篇研究提出了一个框架来提高基于 LiDAR 的 3D 物体检测器对泥水喷溅的抗扰动能力，并且进一步探索了雷达目标的应用来过滤误检。实际数据测试表明，该方法改善了多个热门的 3D 物体检测器对泥水喷溅的稳健性。

    Oct, 2023

  • RaidaR: 一个富有注释的下雨街景图像数据集

    本研究介绍了 RaidaR 一个富注释的雨天驾驶场景图像数据集，包含最大数量的雨天图片，同时提供语义分割和物体实例分割等注释，用于提高数据驱动的机器感知能力，并展示数据增强与分割算法中的实用性。同时提出了一种可节省注释时间的半自动化方案，并通过新颖的图像转换算法，实现了图像雨雾等不良元素的添加与消除。

    Apr, 2021

  • SemanticSpray++：湿地表自主驾驶的多模态数据集

    自动驾驶汽车在相机、激光雷达和雷达传感器的支持下进行环境导航。为解决相机和激光雷达在恶劣天气如雪、雨、雾中的表现问题，文章介绍了 SemanticSpray++ 数据集，其中包含了湿地表面情境下相机、激光雷达和雷达数据的标注信息，为不同感知方法在湿地表面条件下车辆行驶时的性能分析提供了综合性测试环境。文章还介绍了综合性的数据统计以及对多个基线方法在不同任务中的评估和性能分析。该数据集将在指定的 URL 上提供。

    Jun, 2024