北理工團隊在復(fù)雜環(huán)境自動駕駛數(shù)據(jù)集建設(shè)方面取得重要成果
發(fā)布日期：2025-03-18 供稿：機械與車輛學(xué)院 攝影：機械與車輛學(xué)院
編輯：蘇舒 審核：劉檢華 閱讀次數(shù)：
近日,，北京理工大學(xué)機械與車輛學(xué)院、智能無人系統(tǒng)技術(shù)國家級重點實驗室徐彬,、王偉達,、王力老師團隊聯(lián)合清華大學(xué),、新加坡國立大學(xué)等單位，在Nature子刊發(fā)布了國際首個復(fù)雜環(huán)境自動駕駛雙4D成像毫米波數(shù)據(jù)集Dual Radar,，采集非理想工況感知數(shù)據(jù)總里程超過400公里,，標注三維目標檢測和跟蹤的數(shù)據(jù)超過10000幀同步幀，用于評測現(xiàn)有感知算法在真實非理想工況數(shù)據(jù)上的性能表現(xiàn),。相關(guān)研究成果以“Dual Radar: a Multi-modal Dataset with Dual 4D Radar for Autononous Driving”為題發(fā)表在Scientific Data上,，該期刊專注于發(fā)表具有科學(xué)價值的數(shù)據(jù)集。北京理工大學(xué)助理教授王力為本文通信作者,。
自動駕駛系統(tǒng)的環(huán)境感知是確保安全性和可靠性的核心,，但現(xiàn)有的傳感器技術(shù)在復(fù)雜多變的駕駛環(huán)境中仍面臨許多挑戰(zhàn)。4D毫米波雷達具有比傳統(tǒng)3D雷達更高的點云密度和精確的垂直分辨率,，使其在自動駕駛環(huán)境感知中的不利情況下具有前景,。目前，自動駕駛領(lǐng)域還缺乏對4D毫米波雷達不同點云密度和噪聲水平的比較分析,，現(xiàn)有數(shù)據(jù)集基于單一類型的4D毫米波雷達,，在同一場景中難以兼顧長距離點云數(shù)據(jù)和廣視野點云數(shù)據(jù)，無法進行點云密度和噪聲水平的直接對比,。為了應(yīng)對這一問題,，研究團隊提出了一個新的數(shù)據(jù)集Dual Radar，通過引入兩種特性不同的4D雷達,，來實現(xiàn)對長距離和廣視野性能迥異的雷達數(shù)據(jù)綜合分析,，推動自動駕駛在惡劣天氣、復(fù)雜光照等環(huán)境感知技術(shù)的發(fā)展,。
Dual Radar數(shù)據(jù)集的采集車輛如圖1所示,，包含了四種傳感器，分別為高分辨率相機,、激光雷達和兩種不同類型的4D雷達：Arbe Phoenix和ARS548 RDI,，具體參數(shù)配置如表1所示。該數(shù)據(jù)集共包含151個連續(xù)時間序列,，涵蓋了10007個同步標注幀,，數(shù)據(jù)集的類別包括汽車、行人,、騎行者,，公交車、卡車和其他物體,，類別數(shù)量和距離分布如圖2所示,。該數(shù)據(jù)集涵蓋了多個具有挑戰(zhàn)性的場景，包括：不同的道路條件（城市道路和隧道）；不同的天氣條件：晴天,、陰天和惡劣天氣（雨天等）,；不同的光照強度：正常光照和逆光；不同的時間段：白天,、黃昏和夜間,，三維目標檢測標注情況如圖3所示。這些場景的多樣性能夠幫助研究人員驗證不同傳感器在各種環(huán)境下的表現(xiàn),，并為自動駕駛系統(tǒng)提供更全面的測試數(shù)據(jù),。
圖1 Dual Radar數(shù)據(jù)采集車及各數(shù)據(jù)目標檢測標注情況（分別為圖像、激光雷達點云,、Arbe Phoenix點云和ARS548 RDI點云）
表1 車載傳感器參數(shù)配置
圖2 多類別目標數(shù)量統(tǒng)計和目標距離分布統(tǒng)計
圖3 Dual Radar數(shù)據(jù)集三維目標檢測標注可視化
該數(shù)據(jù)集的兩個不同類型的雷達傳感器：Arbe Phoenix雷達和ARS548 RDI雷達,，能夠收集不同類型的點云數(shù)據(jù)。其中,，ArbePhoenix雷達具有較高的點云密度,，能夠提供更廣的視野覆蓋，盡管存在較多噪聲,，但它能夠捕捉到更多的物體信息,，尤其在檢測大型物體（如汽車）時表現(xiàn)突出。與Arbe Phoenix相比,，ARS548 RDI雷達產(chǎn)生的噪聲較少，點云密度較低,，但它在長距離探測中表現(xiàn)更為精準,，特別適合檢測遠距離或較小物體（如行人和自行車）。數(shù)據(jù)幀的點云數(shù)量統(tǒng)計結(jié)果如圖4所示,。通過對比這兩種雷達點云的密度與噪聲水平,，研究團隊驗證了雙4D雷達在多種駕駛場景下的優(yōu)異表現(xiàn)，特別是在復(fù)雜環(huán)境中,，雙雷達融合顯著提高了物體檢測與跟蹤的準確性,。該數(shù)據(jù)集不僅解決了傳統(tǒng)技術(shù)中的點云稀疏和噪聲問題，還為自動駕駛感知算法提供了寶貴的測試數(shù)據(jù),，特別是在多模態(tài)傳感器數(shù)據(jù)融合任務(wù)中的應(yīng)用,。
圖4 數(shù)據(jù)幀的點云數(shù)量統(tǒng)計。(a)顯示大多數(shù)激光雷達點云數(shù)量在110K 和120K 之間,。(b)顯示Arbe Phoenix 點云數(shù)量在6K 和14K 之間,。(c) 顯示ARS548 RDI 點云數(shù)量在400 和650 之間。
研究團隊的這項工作中數(shù)據(jù)涵蓋惡劣天氣（雨霧）,、弱光晝夜,、背光逆光等傳統(tǒng)數(shù)據(jù)集未充分覆蓋的挑戰(zhàn)性環(huán)境，填補了現(xiàn)有數(shù)據(jù)集在極端條件下的空白，可為自動駕駛領(lǐng)域的感知技術(shù)發(fā)展提供了新的數(shù)據(jù)支持,，尤其是在提升自動駕駛車輛在復(fù)雜環(huán)境中全天候可靠性和安全性方面,，具有較好的應(yīng)用潛力，有望推動自動駕駛感知系統(tǒng)向低成本,、高魯棒,、全場景方向跨越式發(fā)展。
論文鏈接：https://www.nature.com/articles/s41597-025-04698-2
數(shù)據(jù)集及代碼下載鏈接：https://github.com/adept-thu/Dual-Radar
分享到：