RADIATE: A Radar Dataset for Automotive Perception

论文链接：https://arxiv.org/abs/2010.09076 主页：http://pro.hw.ac.uk/radiate/

RADIATE：高分辨率的雷达数据集，包括约3小时的带注释的雷达图像和超过20万个在公共道路上标记的实例。它专注于恶劣天气条件下的多模态传感器数据（雷达，摄像机，3D LiDAR和GPS / IMU），例如浓雾和大雪等天气。旨在促进在极端天气下使用雷达感知进行目标检测，跟踪，SLAM和场景理解的研究。数据集即将开源！作者单位：赫瑞-瓦特大学, 日立

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，我们提出了恶劣天气中的RAdar数据集（RADIATE），旨在促进使用雷达感应进行安全自动驾驶的目标检测，跟踪和场景理解的研究。 RADIATE包含3个小时的带注释的雷达图像，总共带有200K标记的road actors，每个雷达图像平均约有4.6个实例。它涵盖了8种不同类别的参与者，这些参与者在各种天气条件下（例如，太阳，夜晚，雨天，雾和雪）和驾驶场景（例如，停车，城市，高速公路和郊区）代表了不同的挑战水平。据我们所知，这是第一个公共雷达数据集，该数据集在公共道路上提供了标记有大量道路参与者的高分辨率雷达图像。在不利的天气（例如，雾和降雪）中收集的数据是唯一的。给出了一些基于雷达的物体检测和识别的基线结果，这些结果表明，雷达数据的使用对于恶劣天气下的汽车应用很有希望，因为恶劣天气下视觉和LiDAR可能会失效。 RADIATE还具有针对其他应用的立体图像，32通道LiDAR和GPS数据，例如传感器融合，定位和地图绘制。

内容中包含的图片若涉及版权问题，请及时与我们联系删除