OORD: The Oxford Offroad Radar Dataset

📄 arXiv: 2403.02845v2 📥 PDF

作者: Matthew Gadd, Daniele De Martini, Oliver Bartlett, Paul Murcutt, Matt Towlson, Matthew Widojo, Valentina Muşat, Luke Robinson, Efimia Panagiotaki, Georgi Pramatarov, Marc Alexander Kühn, Letizia Marchegiani, Paul Newman, Lars Kunze

分类: cs.RO

发布日期: 2024-03-05 (更新: 2024-05-25)

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

提出OORD数据集以解决越野环境下雷达定位与场景理解问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 雷达数据集 自动驾驶 场景理解 越野环境 位置识别 GPS/INS 深度学习

📋 核心要点

  1. 现有的雷达数据集主要集中于城市环境，缺乏对越野环境的支持，导致在复杂地形下的定位和场景理解面临挑战。
  2. 本文提出牛津越野雷达数据集（OORD），在极端天气条件下收集雷达数据，并提供GPS/INS参考数据，以促进雷达位置识别研究。
  3. 数据集包含超过90GiB的雷达扫描和GPS、IMU读数，展示了开源雷达位置识别系统的性能，为相关研究提供了重要的实验基础。

📝 摘要（中文）

随着毫米波扫描雷达在自动驾驶车辆定位和场景理解中的学术研究和商业应用日益增长，现有数据集主要集中于城市或半城市环境。为了解决越野环境中的独特挑战，本文提出了牛津越野雷达数据集（OORD），该数据集在极端天气条件下收集了来自苏格兰高地的雷达数据，并附有GPS/INS参考数据。总共发布了超过90GiB的雷达扫描数据和GPS、IMU读数，涵盖了154公里的多样化越野驾驶路线。此外，本文还展示了最近开源的雷达位置识别系统及其在该数据集上的性能，包括一个学习的神经网络及其权重，所有数据和工具均可免费获取。

🔬 方法详解

问题定义：本研究旨在解决现有雷达数据集在越野环境下的不足，尤其是在复杂地形和极端天气条件下的定位与场景理解问题。现有方法在这些环境中的适用性较差，缺乏足够的数据支持。

核心思路：论文通过构建牛津越野雷达数据集（OORD），提供在苏格兰高地收集的雷达数据，结合GPS/INS参考数据，旨在为雷达位置识别研究提供丰富的数据资源。

技术框架：数据集的构建包括多个阶段：首先，选择多样化的越野驾驶路线；其次，在极端天气条件下进行数据采集；最后，整理和发布雷达扫描、GPS和IMU读数。

关键创新：OORD数据集的最大创新在于其专注于越野环境的雷达数据采集，填补了现有数据集在这一领域的空白，提供了新的研究机会。

关键设计：数据集包含超过90GiB的雷达扫描数据，涵盖154公里的驾驶路线，此外，论文还发布了一个学习的神经网络及其权重，支持后续研究和应用。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

OORD数据集包含超过90GiB的雷达扫描数据，涵盖154公里的多样化越野驾驶路线。通过与现有城市环境数据集的对比，OORD为雷达位置识别系统提供了新的测试基准，促进了相关算法的性能提升。

🎯 应用场景

该研究的潜在应用领域包括自动驾驶、机器人导航和环境感知等。通过提供丰富的越野雷达数据，OORD数据集可以帮助研究人员开发更为精准的定位和场景理解算法，推动相关技术在复杂环境中的应用与发展。

📄 摘要（原文）

There is a growing academic interest as well as commercial exploitation of millimetre-wave scanning radar for autonomous vehicle localisation and scene understanding. Although several datasets to support this research area have been released, they are primarily focused on urban or semi-urban environments. Nevertheless, rugged offroad deployments are important application areas which also present unique challenges and opportunities for this sensor technology. Therefore, the Oxford Offroad Radar Dataset (OORD) presents data collected in the rugged Scottish highlands in extreme weather. The radar data we offer to the community are accompanied by GPS/INS reference - to further stimulate research in radar place recognition. In total we release over 90GiB of radar scans as well as GPS and IMU readings by driving a diverse set of four routes over 11 forays, totalling approximately 154km of rugged driving. This is an area increasingly explored in literature, and we therefore present and release examples of recent open-sourced radar place recognition systems and their performance on our dataset. This includes a learned neural network, the weights of which we also release. The data and tools are made freely available to the community at https://oxford-robotics-institute.github.io/oord-dataset.