RADIATE: A Radar Dataset for Automotive Perception in Bad Weather以及数据集，SDK使用

最新推荐文章于 2025-01-29 23:06:11 发布
原创 最新推荐文章于 2025-01-29 23:06:11 发布 · 2k 阅读 · 10 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#自动驾驶 #python

本文介绍了RADIATE，一个用于恶劣天气下汽车感知的毫米波雷达数据集。它用ros系统收集，涵盖多种天气和8类物体。论文提出新的带标签大场景数据集，介绍传感器标定等处理。还提供了用Python开发的SDK，可进行数据标定、可视化和预处理，并说明了其安装和使用方法。
该文章已生成可运行项目，

RADIATE: A Radar Dataset for Automotive Perception in Bad Weather

提供了恶劣天气的数据集，以及相应的开发工具。

结论

提出了一个新的带有标签的大场景数据集，介绍了传感器启动，标定，加标签处理。没有对运动物体的识别。
包含了各种天气 sun, night, rain, fog and snow，以及8类物体，激光雷达为32线

引言

在这里插入图片描述
本论文的主要工作：
1、 RADIATE是第一个公开的毫米波雷达数据集
2、包含了多个天气的条件
3、证明了 RADIATE可以用来恶劣天气下鲁棒的检测工作，（相机和激光雷达都失败了）

RADIATE数据集

RADIATE是用ros系统收集的数据集，每一个数据都有相应的时间戳，文件格式如下：激光雷达的CSV包含坐标，强度，环数。
在这里插入图片描述
为了方便上述数据的使用，提供了SDK以进行数据标定，可视化，预处理。
在这里插入图片描述

传感器标定

本文章已经生成可运行项目
最低0.47元/天 解锁文章
CCChester
关注
雷达数据处理及应用_何友_何友；雷达数据处理及应用_
09-29
雷达信号处理相关，滤波、数据互联、坐标转换、机动目标跟踪、动目标跟踪等
Automotive Radar Dataset for Deep Learning Based 3D Object Detection
weixin_42444577的博客
06-17 1256
Automotive Radar Dataset for Deep Learning Based 3D Object Detection ——astyx数据集IntroductionSensor System SetupGround Truth GenereationResult 3D Object Detection ——astyx数据集) Introduction 该数据集包含雷达、激光雷达和相机信息以及带注释的三维地面真实物体。 据我们所知，唯一包含汽车雷达数据的公共数据集是最近引入的nuScenes
radiate_sdk:开发SDK来访问RADIATE数据集的数据
05-08
辐射数据集 RADIATE（不利天气中的雷达数据集）是赫瑞瓦特大学创建的新的汽车数据集，其中包括雷达，激光雷达，立体声相机和GPS / IMU。 我们收集了不同天气情况（晴天，阴天，夜晚，雾天，雨天和雪天）的数据，以帮助研究人员开发新的车辆感知方法 数据集大小 我们在7种不同的场景中对雷达图像进行了注释：晴天（停车），晴天/阴天（城市），阴天（高速公路），夜间（高速公路），雨（郊区），雾（郊区）和雪（郊区）。 我们注释了8种不同类型的对象（汽车，货车，卡车，公共汽车，摩托车，自行车，行人和行人组）。 下面我们显示了一个图表，其中标记了单个实例的数量。 每个方案的大小可以在下面看到： 与其他数据集的比较 RADIATE是第一个公共高分辨率雷达数据集，其中包括大量在公共道路上贴有标签的道路参与者。 它包括在挑战性天气条件下收集的多模式传感器数据，例如浓雾和大雪。 还为所有序列提供了相机
Multi-Radar-Dataset:多雷达数据集
04-16
多雷达数据集 多雷达数据集
基于radiate数据的天气对汽车雷达性能的研究与分析(源码+万字报告+讲解)
qq_40828705的博客
01-29 486
目录 基于radiate数据的天气对汽车雷达性能的研究与分析 I 摘要 I abstract II 1 绪论 1 1.1 研究背景和目的 1 1.2 汽车雷达系统的重要性和应用 1 1.3 天气对汽车雷达性能的影响 1 1.4国内外研究现状 2 1.5 研究意义 3 2 相关理论基础 5 2.1 Radiate数据库的来源和特点 5 2.2 Radiate数据库数据的读取和处理 6 2.3 数据提取和建立辐射数据集 8 3 理论模型的建立 9 3.1 雨的物理特性 9 3.1.1 水的介电特性 9 3.1.
自动驾驶地面车辆的雷达里程计：方法与数据集综述
点云兔子的博客
07-25 2370
自动驾驶地面车辆的雷达里程计：方法与数据集综述摘要：雷达里程计在过去十年中受到越来越多的关注。它是在不利条件下进行机器人状态估计的最佳解决方案之一，其他内部感知和外部感知传感器可能在这些条件下无法胜任。雷达被广泛采用，对天气和光照条件具有强大的适应性，并提供多普勒信息，使其非常适用于此类任务。本文对自主机器人的地面雷达里程计的最新研究工作进行了广泛的调查。除了对解决这个问题所采用的各种方法和技术进行深入分析和分类外，本文还涵盖了过去十年中开发的技术、数据集、评估指标和方法。
RADIATE数据集SDK开发：驾驶感知技术的突破
标题《radiate_sdk:开发SDK来访问RADIATE数据集的数据》和描述《辐射数据集 RADIATE（不利天气中的雷达数据集）是赫瑞瓦特大学创建的新的汽车数据集，其中包括雷达，激光雷达，立体声相机和GPS / IMU。我们在7种不同...
Raw ADC radar datase for automotive object detection
最新发布
05-04
如《Raw ADC-Based Deep Learning for Automotive Radar Object Detection》配套数据集 - CVPR自动驾驶研讨会 2022年Meta推出的CRUW数据集包含原始RF信号 ### 4. 数据生成方案 当现成数据不足时，可考虑： 1. ...
RRPN: RADAR REGION PROPOSAL NETWORK FOR OBJECT DETECTION IN AUTONOMOUS VEHICLES复现
03-28
- 使用nuScenes或RADIATE数据集，需包含同步的雷达点云（如$(\rho, \theta, v)$）与摄像头图像 - 标注格式转换：将3D边界框投影到2D图像坐标系$$x_{img}=K \cdot T_{radar}^{cam} \cdot x_{radar}$$ 2. **雷达...
数据集
Major_S的博客
12-25 506
数据集数据集数据集 不得不赞！一个国内（可能）最好的海量CV数据集获取网站
自动（智能）驾驶 | 4D雷达的数据集
m0_46611008的博客
01-14 6148
对于4D雷达的研究，本文将更加深入和具体地说明这几个数据集，并给出获取的方法、使用方法及注意事项等。
新一代天气雷达数据读取及显示
08-26
新一代天气雷达数据读取及显示
RadarScenes数据集详细说明
奔袭的算法工程师
04-18 3024
每个场景给出了不同雷达测量的四个时间戳:同一传感器测量的下一个和上一个时间戳以及任何雷达传感器测量的下一个和上一个时间戳。对于与里程表信息的关联，给出了最近里程表测量的时间戳，以及hdf5文件中里程表中可以找到该测量值的索引。由于汽车雷达传感器在方位角方向上的精度相当低，特别是在较远的距离上，物体的轮廓不能准确捕获。这种可选的类定义可以用于需要更平衡的标签分布的任务，例如在神经网络的训练期间。序列的名称在顶层字典中列出，该序列的组(训练或验证)以及雷达传感器在该序列中执行测量的第一次和最后一次的时间戳。
(已开源) 详解4D Radar数据集K-Radar
10点43的博客
12-15 2372
本文介绍一个4D Radar公开数据集：KAIST-Radar（简称K-Radar，由AVELab提供）是一个新型的大规模目标检测数据集和基准测试集，包含35000帧4D雷达张量（4DRT）数据。
天气雷达数据3D可视化开发（一）
yliu的博客
12-18 2552
一、使用着色器 1.加载并编译两个着色器 2.将两个着色器封装到着色器对象中 3.设置着色器对象 二、顶点缓冲区 1.创建具有位置和颜色的点 2.创建顶点缓存对象 3.通过映射顶点，复制数据并取消映射以将顶点复制到顶点缓冲区 三、验证输入布局（通过输入布局对象来协调顶点缓冲区和着色器） 1.创建元素来描述位置和颜色 2.使用着色器信息创建输入布局对象 3.设置输入布局对象 四、画图元 1.设置要使用的顶点缓冲区 2.设置要使用的图元类型 3.画 ...
雷达和卫星的气象深度学习应用（SEVIR数据集）
qq_41627642的博客
09-07 2581
本报告的挑战是基于SEVIR天气数据集。这个数据集是由经过雷达和卫星采样并对齐的气象图像组成的。它被构建为一个基准数据集，以支持气象学中的算法开发。有关此数据集的详细教程，请参见SEVIR教程。 SEVIR数据集的代码示例 AWSCLI工具的下载 # 查看版本号，aws --version # 查看安装目录，where aws #进行数据下载 Downloading SEVIR If you have AWS CLI, you can download SEVIR using the aws.
NuScenes数据集关于Radar数据的统计
AI训练师中的点滴
07-04 1327
NuScenes毫米波雷达数据统计分析 统计数据
Data Science Radar测试结果
weixin_30315723的博客
05-03 109
众所周知，数据科学(Data Science)是一门交叉十分严重的的学科，混杂了数理统计、数据挖掘、模式识别、人工智能、编程等众多领域，各个领域都有非常多的概念与定义重合。 这样复杂的学科背景让人无所适从，导致虽然很多人认为自己是做数据的，但不同的人具体的工作内容可能千差万别。 国外一个做数据服务的网站mango-solutions将从事数据科学工作的人员分成了6个不同的方向，分别为Commu...
RADIal数据集分享
qq_33843914的博客
10-18 377
链接: https://pan.baidu.com/s/1Tb1QFWX7uAM44UMj69Rk6Q?pwd=bk9s 提取码: bk9s。RADIal数据集应该是毫米波方向上比较全面的数据集了, 因为原文用的谷歌云盘，下载会很困难，所以我就重新传到百度网盘上了。原作者的git地址：https://github.com/ZJU-FAST-Lab/Radar-Diffusion。上传之前已经获得作者同意了。
恶劣天气道路数据集
03-24
### 恶劣天气道路状况数据集下载 对于恶劣天气条件下道路相关的数据集，以下是几个推荐的数据源及其特点： #### 1. YOLO/VOC 格式的恶劣天气目标检测数据集 此数据集包含约2000张图片，覆盖四种典型恶劣天气条件（雨、雾、夜、雪），并标注了八类常见交通参与者（行人、骑手、汽车、卡车、公交车、火车、摩托车、自行车）。这些数据可以用于训练和测试基于YOLO或VOC格式的目标检测模型[^4]。 #### 2. CADC 数据集 CADC 是加拿大滑铁卢大学发布的一个专门针对下雪天气的真实世界驾驶数据集。它提供了多种降雪等级下的行车记录视频片段以及对应的传感器数据（如 LiDAR 和相机同步采集的信息）。通过访问其官网 http://cadcd.uwaterloo.ca/ ，研究人员能够获取详细的文档说明和技术支持来完成本地部署工作流程[^2]。 #### 3. Ithaca365 数据集 Ithaca365 提供了一整年的连续观测资料，其中包括多个季节变化期间所经历的不同类型的气象事件影响下的路面状态表现形式。虽然具体细节未完全公开披露，但它无疑是一个非常有价值的研究素材来源之一，在探索长期趋势分析或者特定短期现象捕捉方面具有不可替代的作用。 #### 4. 道路病害数据集 尽管主要关注点在于物理损坏而非环境因素引起的挑战，但这个由超过23,000张高分辨率照片组成的大规模集合同样适用于某些特殊情况下评估算法性能的需求——比如当积冰导致裂缝更加明显时是否还能保持良好效果等问题都可以借助此类资源来进行深入探讨[^5]。 ```bash wget --no-check-certificate https://example.com/path_to_dataset.zip -O dataset.zip && unzip dataset.zip ``` 上述命令可用于从指定链接处自动抓取压缩包文件至当前目录，并解压得到原始内容。（注意替换实际URL）
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值