MMVR: Millimeter-wave Multi-View Radar Dataset and Benchmark for Indoor Perception

与支持自动驾驶的大量汽车雷达数据集相比，室内雷达数据集通常以低分辨率雷达点云的形式出现，且规模较小，通常在单一空间内。本文中，我们采用多视角高分辨率雷达热图在多天、多房间和多受试者的环境下扩大室内雷达数据的收集，强调环境和受试者的多样性。所谓毫米波多视角雷达（MMVR）数据集，由25名人类受试者在6个不同房间收集的345K个多视角雷达帧、446K个注释边界框/分割实例和759万个注释关键点组成，以支持三个主要感知任务：目标检测、姿态估计和实例分割。对于每个任务，我们在两个协议下报告性能基准：在开放空间中的单个受试者和在几个杂乱房间中的多个受试者，两个数据分割：随机分割和跨环境分割，共395个1分钟的数据片段。我们预计MMVR将促进室内雷达感知的发展，以实现室内车辆（机器人/人形）导航、建筑能源管理和老年护理，从而提高效率、用户体验和安全性。

本文试图解决室内雷达数据集稀缺的问题，并提供一个多视角高分辨率雷达热图的室内雷达数据集，以支持物体检测、姿态估计和实例分割等感知任务。

本文的关键思路是通过多视角高分辨率雷达热图收集大规模的室内雷达数据集，并提供用于物体检测、姿态估计和实例分割的注释数据。相比当前的研究，本文提供了更多样化的环境和被试数据，并在多个任务和协议下进行了性能评估。

本文提供了一个大规模的室内雷达数据集，包含345K个多视角雷达帧、446K个注释边界框/分割实例和7.59M个注释关键点，支持物体检测、姿态估计和实例分割任务。本文还提出了两个评估协议，分别是单个被试在开放空间和多个被试在几个杂乱的房间内，涵盖了395个1分钟的数据片段。本文的实验设计详尽，数据集和代码已经开源，可以为室内车辆（机器人/人形）导航、建筑能源管理和老年人护理等领域提供帮助。

最近的相关研究包括《Indoor Radar Dataset for 3D Object Detection and Tracking in Realistic Home Environments》、《Millimeter-wave Radar Dataset for Object Detection and Tracking in an Indoor Parking Lot》等。