近日，北京理工大學(xué)機(jī)械與車輛學(xué)院、智能無人系統(tǒng)技術(shù)國家級重點(diǎn)實(shí)驗(yàn)室徐彬、王偉達(dá)、王力老師團(tuán)隊(duì)聯(lián)合清華大學(xué)、新加坡國立大學(xué)等單位，在Nature子刊發(fā)布了國際首個復(fù)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(biāo)注三維目標(biāo)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(shí)非理想工況數(shù)據(jù)上的性能表現(xiàn)。相關(guān)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(xué)價(jià)值的數(shù)據(jù)集。北京理工大學(xué)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(shù)在復(fù)雜多變的駕駛環(huán)境中仍面臨許多挑戰(zhàn)。4D毫米波雷達(dá)具有比傳統(tǒng)3D雷達(dá)更高的點(diǎn)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(lǐng)域還缺乏對4D毫米波雷達(dá)不同點(diǎn)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(dá)，在同一場景中難以兼顧長距離點(diǎn)云數(shù)據(jù)和廣視野點(diǎn)云數(shù)據(jù)，無法進(jìn)行點(diǎn)云密度和噪聲水平的直接對比。為了應(yīng)對這一問題，研究團(tuán)隊(duì)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(dá)，來實(shí)現(xiàn)對長距離和廣視野性能迥異的雷達(dá)數(shù)據(jù)綜合分析，推動自動駕駛在惡劣天氣、復(fù)雜光照等環(huán)境感知技術(shù)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(jī)、激光雷達(dá)和兩種不同類型的4D雷達(dá)：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(shí)間序列，涵蓋了10007個同步標(biāo)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(qiáng)度：正常光照和逆光；不同的時(shí)間段：白天、黃昏和夜間，三維目標(biāo)檢測標(biāo)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(yàn)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(biāo)檢測標(biāo)注情況（分別為圖像、激光雷達(dá)點(diǎn)云、Arbe Phoenix點(diǎn)云和ARS548 RDI點(diǎn)云）

表1 車載傳感器參數(shù)配置

圖2 多類別目標(biāo)數(shù)量統(tǒng)計(jì)和目標(biāo)距離分布統(tǒng)計(jì)

圖3 Dual Radar數(shù)據(jù)集三維目標(biāo)檢測標(biāo)注可視化

該數(shù)據(jù)集的兩個不同類型的雷達(dá)傳感器：Arbe Phoenix雷達(dá)和ARS548 RDI雷達(dá)，能夠收集不同類型的點(diǎn)云數(shù)據(jù)。其中，ArbePhoenix雷達(dá)具有較高的點(diǎn)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(shí)表現(xiàn)突出。與Arbe Phoenix相比，ARS548 RDI雷達(dá)產(chǎn)生的噪聲較少，點(diǎn)云密度較低，但它在長距離探測中表現(xiàn)更為精準(zhǔn)，特別適合檢測遠(yuǎn)距離或較小物體（如行人和自行車）。數(shù)據(jù)幀的點(diǎn)云數(shù)量統(tǒng)計(jì)結(jié)果如圖4所示。通過對比這兩種雷達(dá)點(diǎn)云的密度與噪聲水平，研究團(tuán)隊(duì)驗(yàn)證了雙4D雷達(dá)在多種駕駛場景下的優(yōu)異表現(xiàn)，特別是在復(fù)雜環(huán)境中，雙雷達(dá)融合顯著提高了物體檢測與跟蹤的準(zhǔn)確性。該數(shù)據(jù)集不僅解決了傳統(tǒng)技術(shù)中的點(diǎn)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(wù)中的應(yīng)用。

圖4 數(shù)據(jù)幀的點(diǎn)云數(shù)量統(tǒng)計(jì)。(a)顯示大多數(shù)激光雷達(dá)點(diǎn)云數(shù)量在110K 和120K 之間。(b)顯示Arbe Phoenix 點(diǎn)云數(shù)量在6K 和14K 之間。(c) 顯示ARS548 RDI 點(diǎn)云數(shù)量在400 和650 之間。

研究團(tuán)隊(duì)的這項(xiàng)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(bǔ)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(lǐng)域的感知技術(shù)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(fù)雜環(huán)境中全天候可靠性和安全性方面，具有較好的應(yīng)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。