北理工團隊在復雜環(huán)境自動駕駛數(shù)據(jù)集建設方面取得重要成果
發(fā)布日期：2025-03-18 供稿：機械與車輛學院 攝影：機械與車輛學院
編輯：蘇舒 審核：劉檢華 閱讀次數(shù)：
近日，北京理工大學機械與車輛學院、智能無人系統(tǒng)技術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、新加坡國立大學等單位，在Nature子刊發(fā)布了國際首個復雜環(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)表具有科學價值的數(shù)據(jù)集。北京理工大學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)有的傳感器技術在復雜多變的駕駛環(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、復雜光照等環(huán)境感知技術的發(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)融合任務中的應用。
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，可為自動駕駛領域的感知技術發(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雜環(huán)境中全天候可靠性和安全性方面，具有較好的應用潛力，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：