RadSimReal：实现快速模拟各种类型的雷达（Radar）在不同天气下的数据

文章预览

Abstract 在雷达影像中的物体检测，借助神经网络展现了极大的潜力，能够提升自动驾驶。然而，从真实雷达图像中获取标注数据集以训练这些网络极具挑战性，特别是在长距离检测以及恶劣天气和光照条件下，雷达表现优越。为了应对这一挑战，我们推出了RadSimReal，一种创新的物理雷达模拟技术，能够生成各种雷达类型和环境条件下的合成雷达图像及其标注数据，无需收集真实数据。值得注意的是，我们的研究发现，使用RadSimReal数据训练的物体检测模型在真实数据上的表现与在同一数据集上用真实数据训练和测试的模型表现相当，甚至在跨数据集测试时表现更佳。相比其他物理雷达模拟方法，RadSimReal无需了解雷达设计细节（这些细节通常不公开），且运行速度更快。这一创新工具有望推动雷达为基础的自动驾驶应用中的计算机视觉算法的发展。 ………………………………