TJ4DRadSet

TJ4DRadSet是由同济大学雷达实验室创建的自动驾驶数据集，专注于4D雷达点云数据。该数据集包含7757个同步帧，涵盖44个连续序列，均配有高质量的3D边界框和跟踪ID标注。数据集覆盖多种驾驶场景，如高架道路、复杂交叉口、单行道和城市道路，以及恶劣光照条件。创建过程中，使用了包括4D雷达、相机、激光雷达和全球导航卫星系统在内的多传感器平台。TJ4DRadSet旨在推动基于4D雷达的环境感知算法研究，特别是在高级自动驾驶系统中的应用。

TJ4DRadSet is an autonomous driving dataset created by the Radar Laboratory of Tongji University, focusing on 4D radar point cloud data. This dataset contains 7757 synchronized frames spanning 44 consecutive sequences, all equipped with high-quality 3D bounding box and tracking ID annotations. The dataset covers a variety of driving scenarios including elevated roads, complex intersections, one-way streets, urban roads, and adverse lighting conditions. A multi-sensor platform comprising 4D radar, cameras, LiDAR, and global navigation satellite systems was employed during its creation. TJ4DRadSet aims to promote research on environment perception algorithms based on 4D radar, especially their applications in advanced autonomous driving systems.

搜集汇总

数据集介绍

构建方式

TJ4DRadSet数据集的构建主要通过在多种道路条件下，运用装有4D雷达、激光雷达和摄像头的采集平台进行数据采集。该平台基于ROS，并利用多个传感器同步采集数据。数据集包含7757个同步帧，分布在44个连续序列中，每个对象都标注有3D边界框和跟踪ID。构建过程中，首先进行多传感器标定，包括内参标定、外参标定和时间对齐。随后在苏州进行数据采集，覆盖不同照明条件和道路类型。数据标注主要依赖于激光雷达点云和图像进行联合标注，同时辅以多轮人工检查以保证数据质量。

特点

TJ4DRadSet数据集的特点在于：一是包含了4D雷达点云，具有范围、方位、仰角和径向速度等多维度信息；二是数据集覆盖了多种道路条件和照明条件，具有较强的真实性和多样性；三是提供了丰富的标注信息，包括3D边界框、类别和跟踪ID，有助于3D感知算法的研究。

使用方法

使用TJ4DRadSet数据集时，用户可以从GitHub链接下载数据。数据集分为训练集和测试集，可根据序列进行划分。用户需要根据4D雷达点云的特点，选择合适的网络模型进行训练和测试。例如，论文中使用了PointPillars算法作为基线，并对网络配置进行了调整以适应4D雷达数据。同时，数据增强等技术也被用于提高网络的鲁棒性。在评估阶段，使用平均精度（AP）作为评价指标。

背景与挑战

背景概述

随着自动驾驶技术的快速发展，环境感知作为其核心模块之一，亟需高可靠性和高分辨率感知模块的支持。TJ4DRadSet数据集应运而生，旨在为自动驾驶领域提供包含4D雷达点云的综合性数据集。该数据集由同济大学的研究团队于2021年第四季度在中国苏州采集，涵盖了多种道路条件和光照环境，为3D感知算法研究提供了丰富的场景和数据支持。

当前挑战

TJ4DRadSet数据集的构建面临着多重挑战：首先，4D雷达点云的数据量庞大，且包含丰富的信息维度，对数据处理和标注提出了较高要求；其次，相较于传统的相机和激光雷达，4D雷达在3D感知领域的研究和应用还相对较少，缺乏成熟的算法和模型支持；最后，如何有效提取4D雷达点云的特征，并与其他模态信息融合，提高感知准确性，是当前研究的关键问题。

常用场景

经典使用场景

TJ4DRadSet数据集最经典的使用场景在于为自动驾驶研究提供4D雷达点云数据，其包含的丰富场景和精确的3D标注使得该数据集在三维物体检测、跟踪等环境感知任务中具有重要价值。

衍生相关工作

基于TJ4DRadSet数据集，研究者们已开展了一系列相关工作，包括4D雷达点云的特征提取、多模态信息融合、三维物体检测算法改进等，推动了雷达感知技术在自动驾驶领域的应用和发展。

数据集最近研究

最新研究方向

TJ4DRadSet数据集的最新研究方向聚焦于四维雷达点云在自动驾驶中的三维感知算法研究。该数据集通过集成4D雷达、激光雷达和摄像头等多传感器信息，为自动驾驶领域提供了丰富的数据支持。当前研究利用TJ4DRadSet数据集，开展基于四维雷达的三维目标检测算法研究，结果表明四维雷达在高级别自动驾驶中具有广阔的应用前景。

相关研究论文

• TJ4DRadSet: A 4D Radar Dataset for Autonomous Driving

  同济大学雷达实验室 · 2022年