雷达场景数据集

RadarScenes 数据集包含来自四个汽车雷达传感器的记录，这些传感器安装在一辆测量车辆上。 添加了来自一台前置纪实相机的图像。 它于 2016 年至 2018 年在德国乌尔姆录制。该数据集的长度超过 4 小时，除了来自雷达传感器的点云数据外，还提供了 12 个不同类别的逐点语义注释。除了逐点类标签外，跟踪 ID 还附加到动态对象的每个单独检测，以便可以随时间跟踪各个对象。

特别鸣谢： @Superzcf一、数据集简介Oxford Radar RobotCar 数据集 项目地址：Oxford Radar RobotCar Dataset 论文：The Oxford Radar RobotCar Dataset: A Radar Extension to the Oxford RobotCar Dataset 处理…

知乎——毫米波雷达数据集Oxford1. The Oxford Radar RobotCar Dataset: A Radar Extension to the Oxford RobotCar Dataset牛津大学数据集包含毫米波雷达，数据集官网 (1) 毫米波数据视频演示：Masking by Moving…

深度学习开源数据集 Images Analysis 图像分析 数据集介绍备注网址 Flickr30k 图片描述 31,783 images，每张图片5个语句标注 传送门 Microsoft COCO

引言：无人驾驶汽车的数据集对于感知系统的开发和基准测试至关重要。但是，大多数现有数据集都是在天气良好的情况下使用相机和LiDAR传感器捕获的。在本文中，我

在论文文中，作者引入了一个大数据集用于激光的语义分割的研究。语义场景理解对于许多应用程序来说是必不可少的，也是自动驾驶汽车不可或缺的一部分。特别是，语义分割提供的细粒度理解对于区分可驾驶和非可驾驶表面以及对停车区和人行道等功能属性进行推理是必要的。目前，以所谓的高清晰度地图表示的...

RadarScenes是今年四月发表在arXiv上的新的开放雷达数据集，为radar-based感知系统的训练和验证提供帮助。作者认为在radar perception这个方向上，现有的开放数据集都存在数据集较小、数据分布不平均、场景不够丰富、分辨率太低等一系列问题，导致车载雷达探测系统的可靠性和鲁棒性都无法达到自动驾驶的基本要求，限制了车载雷达系统，尤其是用于自动驾驶的雷达检测系统的发展。因此，作者和其研究团队利用装有雷达和相机的实验车 (sensors位置如图一) 收集了包含城镇、隧道、乡村在内的多个真实行驶场景的雷达点云和视觉图像。RadarScenes数据集中包含了158个具有时间戳的sequences，点云上7500个被标注数据被分成了11个类别。另外作者还根据每个类别之间的相似程度，将11个类别统合成了5大类，分别是Car、Large Vehicle、Two-Wheeler、Pedestrian和Pedestrian Group。

总结

RadarScenes侧重于为实现radar-based detection、classification、tracking和segementation等任务提供基础数据。因为具有多场景和多类别的数据，它在改善模型的泛化性和鲁棒性上具有很大的帮助。同时，为了衡量模型的优劣，作者还在文章中推荐使用mAP、LAMR和F1 Score三个指标共同衡量模型对于不同任务的表现，并给出了任务和metrics之间的对应关系。但是，虽然RadarScenes一定程度上解决了其它数据集的问题，它在数据的分布和标注方式上仍然存在一定的问题，需要后续研究人员去解决或者改进。