マルチモーダル4Dイメージングレーダーデータセットの構築方法:3次元交通シーン向け
Construction Method of Multimodal 4D Imaging Radar Dataset for Three-Dimensional Traffic Scenes
本論文は、自律走行の環境認識において大きな可能性を秘めた4Dイメージングレーダーを活用し、3次元交通シーン向けのマルチモーダル4Dイメージングレーダーデータセットを構築する包括的な手法を提案する。データ収集車両のハードウェアおよびソフトウェア構成を示し、マルチセンサー協調、パラメータキャリブレーション、タイムスタンプ同期、空間基準同期といった手法を提案している。さらに、雨天環境、高密度異種ターゲット、閉鎖トンネル、複数車両の高速割り込み、多層立体構造、エッジ作業条件再現など、8つの典型的な3次元交通シナリオを設計した。高解像度画像と点群データに対するフレームごとの処理方法も提案し、大規模モデルベースの3Dアノテーション手法を用いて、時空間シーケンス最適化された4次元アノテーションシーケンスを生成し、最終的に完全で高品質なマルチモーダル4Dイメージングレーダーデータセットを構築した。構築されたデータセットは、タイムスタンプと空間座標系の同期を実現し、大規模モデルは4つの事前定義されたターゲットタイプに対して高精度な3Dアノテーションを達成できる。データセットには、高解像度カメラ、LiDAR、4Dイメージングレーダーからの11,400フレームのデータと131,642個のラベルが含まれる。この研究は、4Dイメージングレーダー認識アルゴリズム、複雑なシナリオにおける車両の意思決定と計画、およびマルチセンサー融合技術のトレーニングと検証に信頼性の高い基礎的サポートを提供する。
- 4Dイメージングレーダー、LiDAR、高解像度カメラを用いたマルチモーダルデータセットを構築し、11,400フレームと131,642個のラベルを含むデータセットを公開した
- 雨天環境、閉鎖トンネル、高速割り込みなど8つの典型的な3次元交通シナリオを設計し、大規模モデルベースの3Dアノテーションで高精度な時空間シーケンス最適化された4次元アノテーションを実現した
4Dイメージングレーダーは自動運転の環境認識において重要なセンサーモダリティであり、本データセットの構築は自動運転システムの認識アルゴリズム開発やマルチセンサー融合技術の検証に直接貢献する。特に雨天環境や閉鎖トンネルなど従来センサーが苦手とするシナリオをカバーしており、自動運転の堅牢性向上につながる実用的価値がある点が注目に値する。