摘要
下一代汽车雷达在提供距离、方位角和多普勒速度信息的基础上，还可获取高程数据，实现3+1维雷达感知（其中1维指多普勒信息）。在本实验研究中，我们首次将此前专用于LiDAR三维点云数据的先进目标检测算法PointPillars，应用于此类3+1维雷达数据中。通过消融实验，我们系统评估了高程信息、多普勒信息、雷达散射截面（RCS）以及时间累积效应在多类别道路使用者检测任务中的贡献。随后，我们进一步对比了雷达点云与LiDAR点云在目标检测性能上的差异，分别从类别维度和距离函数的角度进行分析。为支持本研究的开展，我们提出了一个全新的面向自动驾驶的视觉-雷达-激光雷达融合数据集——代尔夫特视角数据集（View-of-Delft，简称VoD）。该数据集包含8693帧同步校准的64线LiDAR、（双目）摄像头及3+1维雷达数据，采集自复杂的城市交通场景。数据集共包含123,106个三维边界框标注，涵盖运动与静态物体，其中包括26,587个行人、10,800个骑行者和26,949辆汽车标注。实验结果表明，尽管64线LiDAR数据在目标检测性能上仍优于3+1维雷达数据，但引入高程信息并融合连续雷达扫描帧，显著缩小了两者之间的性能差距。为促进学术研究与算法基准测试，VoD数据集已通过https://intelligent-vehicles.org/datasets/view-of-delft/ 免费开放获取。