毫米波雷达 – 深度学习
目录
数据表示
公开数据库
未来发展方向
稀疏点云 + 深度学习
直接处理点云 (1/2)
候选生成+特征提取+候选分类(DL* )
候选生成+特征提取+候选分类(DL)
直接处理点云 (2/2)
候选生成+特征提取(DL)+候选分类(DL)
网格数据+端对端检测(DL)
稠密数据块 + 深度学习
直接处理Range-Azimuth-Doppler数据块
RODNet
总结
数据表示
基本的数据形式
ADC（数模转换）数据块
Range-Azimuth-Doppler数据块
稀疏点云
折中的表示
保留Chirp或天线维度
Range-Azimuth-Chirp
Range-Antenna-Doppler
降低CFAR阈值，保留更多的点 (比如5k-10k)
公开数据库
单模态数据库
只包含雷达数据，相对来说应用范围较窄
很难进行准确有效的标注
多模态数据库
除了雷达数据，还包括同步的图像和激光雷达数据
雷达数据：数据块或者点云
NuScenes，CARRADA，SCORP，CRUW，SeeingThroughFog
NuScenes
第一个公开发表的包含雷达数据的多模态数据库
140万帧图像数据（6个Camera, 12Hz）
40万帧激光雷达数据（1个LiDAR, 20Hz）
130万帧毫米波雷达数据（5个Radar, 13Hz）
FMCW 77GHz
最大探测距离：250米
速度分辨率：0.03米/秒
只包含了稀疏的点云数据
CARRADA
2020年由法国的研究者发布
同步的图像和雷达数据（每种传感器一个）
30个序列，12666帧（约20分钟）
标注类别：汽车，行人，骑车的人
采集场景：封闭道路
数据格式：RAD数据块
SCORP
2020年由加拿大，法国和德国的研究人员联合发布
同步的图像和雷达数据（每种传感器一个）
第一个包含数模转换（ADC）数据（比RAD更底层）的
公开数据库
三种数据表示
Sample-Chirp-Antenna 数据块
Range-Azimuth-Doppler 数据块
点云
11个序列，3913帧
只有语义分割标注，没有目标级的标注
CRUW
2020年由华盛顿大学的研究人员发布
同步的图像和雷达数据（每种传感器两个）
相对大规模的，包含真实场景的数据库
包含物体级别的标注（物体框和分割Mask）
数据格式：Range-Azimuth-Chirp 数据块
