次世代の自動車用レーダーは、距離、方位角、ドップラー速度に加えて、高度情報を提供する。本実験的研究では、これまでLiDAR 3次元データに用いられてきた最先端の物体検出器（PointPillars）を、距離・方位角・ドップラー速度に加えて高度情報を含む3+1次元レーダーデータ（ここで1次元はドップラーを指す）に適用する。アブレーション研究を通じて、まず、複数クラスの道路利用者検出という文脈において、追加の高度情報に加え、ドップラー情報、レーダ断面積（RCS）、時間的積算の効果を検証する。その後、レーダー点群とLiDAR点群における物体検出性能を、物体クラス別および距離関数として比較する。本研究を円滑に進めるために、新たな「デルフト視点（View-of-Delft, VoD）」自動車用データセットを提案する。このデータセットは、複雑な都市交通環境下で取得された、64層LiDAR、ステレオカメラ、および3+1次元レーダーの同期・キャリブレーション済みデータを8,693フレーム収録しており、移動および静止物体の3次元バウンディングボックスのラベルが合計123,106個含まれている。そのうち、歩行者26,587個、自転車利用者10,800個、自動車26,949個のラベルが含まれる。実験結果から、64層LiDARデータ上での物体検出性能は依然として3+1次元レーダーデータを上回っているが、高度情報の導入および複数回のレーダースキャンの統合により、性能差は著しく縮小されることが明らかになった。VoDデータセットは、学術的なベンチマーク用に、https://intelligent-vehicles.org/datasets/view-of-delft/ にて無料で公開されている。