V2X-Radar

V2X-Radar是一个大规模的协同感知数据集，收集自中国内地复杂的城市交叉口，集成了4D成像雷达、LiDAR和多种视角摄像头，适用于车辆与一切（V2X）的配置，用于推动多传感器融合、协同3D检测和恶劣天气下的感知研究在自动驾驶领域的发展。

原始信息汇总

V2X-Radar 数据集概述

数据集基本信息

• 数据集名称：V2X-Radar
• 全称：V2X-Radar: A Multi-modal Dataset with 4D Radar for Cooperative Perception
• 论文状态：NeuIPS 2025 Spotlight
• 语言：英语
• 许可证：CC BY-NC-ND 4.0
• 数据规模：10K<n<100K
• 标注创建者：专家标注

核心特征

• 首个公开数据集：集成4D成像雷达、LiDAR和多视角相机
• 多模态数据：4D雷达、激光雷达、摄像头
• V2X配置：车联网环境
• 应用场景：复杂城市交叉路口
• 数据来源：中国大陆城市

支持任务

• 3D目标检测（雷达/LiDAR/相机/V2X融合）
• 协同感知（V2V/V2I/V2X）
• 时间错位和通信延迟基准测试
• 领域自适应和传感器鲁棒学习

数据集结构

V2X-Radar-I（KITTI格式）

training/ ├── velodyne ├── radar ├── calib ├── image_1 ├── image_2 ├── image_3 └── label_2 ImageSets/ ├── train.txt ├── trainval.txt ├── val.txt └── test.txt

V2X-Radar-V（KITTI格式）

training/ ├── velodyne ├── radar ├── calib ├── image_2 └── label_2 ImageSets/ ├── train.txt ├── trainval.txt ├── val.txt └── test.txt

V2X-Radar-C（OpenV2V格式）

train/ ├── 2024-05-15-16-28-09 │ ├── -1（路侧单元） │ │ ├── 00000.pcd - 00250.pcd │ │ ├── 00000_radar.pcd - 00250_radar.pcd │ │ ├── 00000.yaml - 00250.yaml │ │ ├── 00000_camera0.jpg - 00250_camera0.jpg │ │ ├── 00000_camera1.jpg - 00250_camera1.jpg │ │ └── 00000_camera2.jpg - 00250_camera2.jpg │ └── 142（车侧单元） validate/ test/

数据字段

字段	类型	描述
radar_points	浮点数数组	4D雷达点云（x, y, z, doppler, intensity）
lidar_points	浮点数数组	LiDAR点云
images	图像列表	多视角RGB帧
calibration	字典	内参+外参
timestamp	浮点数	绝对时间戳（毫秒）
annotations	字典	3D边界框、类别和轨迹ID

数据收集与处理

• 地理覆盖：中国大都市
• 采集设备：研究许可车辆和路侧单元
• 隐私处理：手动匿名化和隐私过滤
• 数据合规：符合中国数据出口法规

许可信息

• 许可证类型：CC BY-NC-ND 4.0
• 署名要求：必须注明"V2X-Radar Dataset, 2025"
• 使用限制：仅限研究和教育用途
• 衍生限制：禁止分发修改版本
• 完整许可证：https://creativecommons.org/licenses/by-nc-nd/4.0/

引用格式

bibtex @article{yang2024v2x, title={V2X-Radar: A Multi-modal Dataset with 4D Radar for Cooperative Perception}, author={Yang, Lei and Zhang, Xinyu and Li, Jun and Wang, Chen and Ma, Jiaqi and Song, Zhiying and Zhao, Tong and Song, Ziying and Wang, Li and Zhou, Mo and Shen, Yang and Lv, Chen}, journal={Advances in Neural Information Processing Systems (NeurIPS)}, year={2025} }

搜集汇总

数据集介绍

构建方式

在自动驾驶感知技术快速发展的背景下，V2X-Radar数据集通过在中国复杂城市交叉路口部署研究许可车辆和路侧单元进行系统采集。该数据集采用多模态传感器融合方案，整合了4D成像雷达、激光雷达和多视角相机等多种感知设备，所有原始传感器数据均经过严格的人工匿名化处理和隐私过滤，确保不包含任何个人身份信息或车牌数据。数据采集过程遵循严格的标准化流程，为车路协同感知研究提供了高质量的基准数据源。

特点

作为首个公开集成4D成像雷达、激光雷达和多视角相机的车路协同感知数据集，V2X-Radar展现出显著的技术特色。其数据规模介于1万到10万样本之间，覆盖车辆到一切通信配置的完整场景，支持3D目标检测、协同感知、时间错位与通信延迟基准测试等多项任务。数据集采用模块化结构设计，包含V2X-Radar-I、V2X-Radar-V和V2X-Radar-C三个子集，分别对应KITTI格式和OpenV2V格式，为不同研究需求提供灵活的数据支持。

使用方法

基于车路协同感知研究的实际需求，该数据集提供了标准化的使用流程。研究人员可通过下载完整的结构化数据包，按照预设的训练、验证和测试划分进行模型开发。数据集支持多传感器融合算法的端到端评估，包括雷达点云处理、激光雷达特征提取和视觉感知模块的集成。用户可依据提供的校准参数实现传感器数据的时空对齐，利用丰富的标注信息进行3D检测性能验证，并通过基准任务评估算法在复杂城市环境下的鲁棒性表现。

背景与挑战

背景概述

自动驾驶领域对多模态感知技术的需求日益增长，V2X-Radar数据集应运而生。该数据集由清华大学OpenMDP实验室主导，联合多位学者于2025年正式发布，作为首个公开融合4D成像雷达、激光雷达与多视角摄像头的车联网协同感知数据集，其核心目标在于突破复杂城市场景下的多传感器融合技术瓶颈。通过采集中国城市交叉路口的真实交通数据，该数据集为三维目标检测、车路协同感知等关键研究方向提供了重要支撑，显著推动了恶劣天气条件下自动驾驶感知系统的稳健性研究。

当前挑战

在协同感知领域，V2X-Radar致力于解决多源异构传感器数据融合的固有难题，包括雷达点云与视觉数据的时空对齐、通信延迟导致的时序错位等问题。数据集构建过程中面临多重挑战：需在保障数据隐私的前提下完成大规模多传感器同步采集，处理4D雷达特有的多普勒效应与强度信息融合，同时克服复杂城市环境中动态障碍物标注的复杂性。此外，为满足车联网架构要求，还需实现车辆与基础设施间异构数据的标准化整合。

常用场景

经典使用场景

在自动驾驶协同感知领域，V2X-Radar数据集通过融合4D雷达、激光雷达与多视角摄像头数据，为多模态感知算法提供了标准验证平台。其经典应用体现在车辆与基础设施协同的3D目标检测任务中，研究者可利用该数据集评估不同传感器在复杂城市场景下的互补性能，特别是在遮挡物密集的交叉路口，通过时空对齐的多源数据提升感知系统的鲁棒性。

解决学术问题

该数据集有效解决了自动驾驶研究中多模态数据融合的理论难题，为协同感知中的通信延迟补偿、跨域适应等关键问题提供实证基础。通过提供首个公开的4D雷达V2X数据集，填补了恶劣天气条件下传感器性能评估的空白，推动了雷达点云处理、多智能体感知等研究方向的发展，对构建可靠的全天候自动驾驶系统具有重要学术价值。

衍生相关工作

基于该数据集衍生的经典研究包括多智能体协同检测框架、雷达-视觉融合网络架构等创新工作。这些研究通过利用数据集特有的时空对齐特性，开发了针对通信延迟的补偿算法，并建立了跨模态特征提取的新范式，进一步推动了端到端协同感知模型在真实道路场景中的适用性演进。