博彩-玩博彩策略论坛

近日，北京理工大學機械與車輛學院、智能無人系統技術國家級重點實驗室徐彬、王偉達、王力老師團隊聯合清華大學、新加坡國立大學等單位，在Nature子刊發布了國際首個復雜環境自動駕駛雙4D成像毫米波數據集Dual Radar，采集非理想工況感知數據總里程超過400公里，標注三維目標檢測和跟蹤的數據超過10000幀同步幀，用于評測現有感知算法在真實非理想工況數據上的性能表現。相關研究成果以“Dual Radar: a Multi-modal Dataset with Dual 4D Radar for Autononous Driving”為題發表在Scientific Data上，該期刊專注于發表具有科學價值的數據集。北京理工大學助理教授王力為本文通信作者。

自動駕駛系統的環境感知是確保安全性和可靠性的核心，但現有的傳感器技術在復雜多變的駕駛環境中仍面臨許多挑戰。4D毫米波雷達具有比傳統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，現有數據集基于單一類型的4D毫米波雷達，在同一場景中難以兼顧長距離點云數據和廣視野點云數據，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據集Dual Radar，通過引入兩種特性不同的4D雷達，來實現對長距離和廣視野性能迥異的雷達數據綜合分析，推動自動駕駛在惡劣天氣、復雜光照等環境感知技術的發展。

Dual Radar數據集的采集車輛如圖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，具體參數配置如表1所示。該數據集共包含151個連續時間序列，涵蓋了10007個同步標注幀，數據集的類別包括汽車、行人、騎行者，公交車、卡車和其他物體，類別數量和距離分布如圖2所示。該數據集涵蓋了多個具有挑戰性的場景，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境下的表現，并為自動駕駛系統提供更全面的測試數據。

圖1 Dual Radar數據采集車及各數據目標檢測標注情況（分別為圖像、激光雷達點云、Arbe Phoenix點云和ARS548 RDI點云）

表1 車載傳感器參數配置

圖2 多類別目標數量統計和目標距離分布統計

圖3 Dual Radar數據集三維目標檢測標注可視化

該數據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據。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）時表現突出。與Arbe Phoenix相比，ARS548 RDI雷達產生的噪聲較少，點云密度較低，但它在長距離探測中表現更為精準，特別適合檢測遠距離或較小物體（如行人和自行車）。數據幀的點云數量統計結果如圖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異表現，特別是在復雜環境中，雙雷達融合顯著提高了物體檢測與跟蹤的準確性。該數據集不僅解決了傳統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據，特別是在多模態傳感器數據融合任務中的應用。

圖4 數據幀的點云數量統計。(a)顯示大多數激光雷達點云數量在110K 和120K 之間。(b)顯示Arbe Phoenix 點云數量在6K 和14K 之間。(c) 顯示ARS548 RDI 點云數量在400 和650 之間。

研究團隊的這項工作中數據涵蓋惡劣天氣（雨霧）、弱光晝夜、背光逆光等傳統數據集未充分覆蓋的挑戰性環境，填補了現有數據集在極端條件下的空白，可為自動駕駛領域的感知技術發展提供了新的數據支持，尤其是在提升自動駕駛車輛在復雜環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向低成本、高魯棒、全場景方向跨越式發展。

論文鏈接：https://www.nature.com/articles/s41597-025-04698-2

數據集及代碼下載鏈接：https://github.com/adept-thu/Dual-Radar