目錄
數據表示
公開數據庫
未來發展方向
稀疏點云 + 深度學習
直接處理點云 (1/2)
候選生成+特征提取+候選分類(DL* )
候選生成+特征提取+候選分類(DL)
直接處理點云 (2/2)
候選生成+特征提取(DL)+候選分類(DL)
網格數據+端對端檢測(DL)
稠密數據塊 + 深度學習
直接處理Range-Azimuth-Doppler數據塊
RODNet
總結
數據表示
? 基本的數據形式
? ADC（數模轉換）數據塊
? Range-Azimuth-Doppler數據塊
? 稀疏點云
折中的表示
? 保留Chirp或天線維度
? Range-Azimuth-Chirp
? Range-Antenna-Doppler
? 降低CFAR閾值，保留更多的點 (比如5k-10k)
公開數據庫
? 單模態數據庫
? 只包含雷達數據，相對來說應用范圍較窄
? 很難進行準確有效的標注
? 多模態數據庫
? 除了雷達數據，還包括同步的圖像和激光雷達數據
? 雷達數據：數據塊或者點云
? NuScenes，CARRADA，SCORP，CRUW，SeeingThroughFog
NuScenes
? 第一個公開發表的包含雷達數據的多模態數據庫
? 140萬幀圖像數據（6個Camera, 12Hz）
? 40萬幀激光雷達數據（1個LiDAR, 20Hz）
? 130萬幀毫米波雷達數據（5個Radar, 13Hz）
? FMCW 77GHz
? 最大探測距離：250米
? 速度分辨率：0.03米/秒
? 只包含了稀疏的點云數據
CARRADA
? 2020年由法國的研究者發布
? 同步的圖像和雷達數據（每種傳感器一個）
? 30個序列，12666幀（約20分鐘）
? 標注類別：汽車，行人，騎車的人
? 采集場景：封閉道路
? 數據格式：RAD數據塊
SCORP
? 2020年由加拿大，法國和德國的研究人員聯合發布
? 同步的圖像和雷達數據（每種傳感器一個）
? 第一個包含數模轉換（ADC）數據（比RAD更底層）的
公開數據庫
? 三種數據表示
? Sample-Chirp-Antenna 數據塊
? Range-Azimuth-Doppler 數據塊
? 點云
? 11個序列，3913幀
? 只有語義分割標注，沒有目標級的標注
CRUW
? 2020年由華盛頓大學的研究人員發布
? 同步的圖像和雷達數據（每種傳感器兩個）
? 相對大規模的，包含真實場景的數據庫
? 包含物體級別的標注（物體框和分割Mask）
? 數據格式：Range-Azimuth-Chirp 數據塊
 SHA)
