Sep, 2023

NTU4DRadLM：4D 雷达中心化多模态数据集用于定位和建图

PDF
TL;DR在这篇论文中，我们介绍了一个新的数据集，NTU4DRadLM，它同时包含了 6 种传感器：4D 雷达、热像仪、IMU、3D 激光雷达、视觉相机和实时定位 RTK GPS，具体设计用于 SLAM 任务，并提供了经过精调的真实轨迹和故意设计的闭环，以综合评估三种类型的 SLAM 算法。
simultaneous localization and mapping (slam)4d radarthermal cameraslam datasetsensor fusion
发现论文，激发创造
  • DIDLM：具有红外摄像头、深度摄像头、LiDAR 和 4D 毫米波雷达的全面多传感器数据集，用于 3D 地图在具有挑战性的场景中

    该研究提供了一个综合多传感器数据集，旨在挑战性室内外环境中进行 3D 地图制作。数据集包括红外相机、深度相机、LiDAR 和 4D 毫米波雷达的数据，提供了探索先进感知和制图技术的可能性。多种传感器数据的整合增强了在极端条件下（如雨、雪和不平整的道路表面）的感知能力。数据集还包括室内外以不同速度运行的交互式机器人数据，提供了逼真的背景环境。通过类似路线的 SLAM 比较，分析了不同复杂场景对各个传感器的影响。采用各种 SLAM 算法处理数据集，揭示了不同场景中算法性能的差异。总之，该数据集解决了特殊环境中数据稀缺的问题，促进了在极端条件下感知和制图算法的发展。利用包括红外、深度相机、LiDAR、4D 毫米波雷达和机器人交互的多传感器数据，该数据集推动了智能制图和感知能力的进步。我们的数据集可在此链接获取：https://example.com/dataset

    Apr, 2024

  • 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

  • ThermRad: 一个用于在挑战条件下进行稳健的三维物体检测的多模态数据集

    提出了一种新的多模态数据集 ThermRad，其中包含 3D LiDAR、4D 雷达、RGB 摄像头和热成像摄像头的数据，在恶劣气象条件下，通过融合 4D 雷达和热成像摄像头的 RTDF-RCNN 方法，有效提高了车辆、行人和骑行者的 3D 目标检测性能，为在恶劣气象和光照条件下的鲁棒性 3D 目标检测提供了新的途径。

    Aug, 2023

  • 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

  • LXL：激光雷达独占的 3D 物体检测，结合 4D 成像雷达和相机融合

    该论文探讨了基于 4D 成像雷达和摄像头的图像视图转换策略并提出一种 “雷达占用格辅助深度采样” 的方法，该方法在 VoD 和 TJ4DRadSet 数据集上的实验结果均表现出较高水平的 3D 物体检测性能。

    Jul, 2023

  • UAVD4L：无人机六自由度定位的大规模数据集

    设计了一个大规模无人机数据集，采用两阶段的 6 自由度定位流程，利用此方法进行可视化定位，并在新数据集上进行了实验证明其有效性。

    Jan, 2024

  • 从被高浓度杂质颗粒污染的地下恶劣环境中获取的多模态数据集，用于前沿探索

    本文介绍一种多模式数据集，可用于验证在无法使用全球导航卫星系统（GNSS）的环境中自主导航的算法性能。数据集内容包括船上各种传感器的测量值，其中需要注重船舶 LiDAR 测距仪度测量数据的有效性，并介绍各种传感器系统的详细特性。

    Apr, 2023

  • TJ4DRadSet：自动驾驶四维雷达数据集

    本文介绍了一个名为 TJ4DRadSet 的数据集，其中包含了在自动驾驶研究中使用的 4D 雷达点云。我们提供了基于 4D 雷达点云的深度学习方法的 3D 目标检测基线来展示该数据集的有效性。

    Apr, 2022

  • IMLS-SLAM: 基于 3D 数据的扫描匹配与建模

    基于 3D LiDAR 数据的低漂移 SLAM 算法，使用扫描到模型匹配框架和隐式移动最小二乘（IMLS）表面表示，通过 KITTI 基准测试在全球漂移率仅为 0.69％。

    Feb, 2018

  • 低能见度场地条件下的 4D 雷达数据人体检测

    自动驾驶技术在公共道路和工业场景中越来越普遍，但传统摄像头或激光雷达在恶劣环境下的表现受到影响。我们提出了一种基于 4D 雷达的 CNN 架构 TMVA4D，用于语义分割，并且说明了构建数据集的过程。在工业环境的数据集上，我们使用 TMVA4D 获得了 78.2% 的平均交并比分数和 86.1% 的平均 Dice 分数。

    Apr, 2024