Radar dataset 소개

occlusion 등에 취약한 lidar 와 달리

(FMCW scanning) radar는 멀리 보고, 강건한 데이터를 얻을 수 있다고 보통 이야기되는데요,

그래서 최근에 SLAM 연구가 radar를 이용해서도 많이 되고 있는 것 같습니다. (PhaRaO: Direct Radar Odometry using Phase Correlation, RadarSLAM: Radar based Large-Scale SLAM in All Weathers, RSL-Net: Localising in Satellite Images From a Radar on the Ground 등)

Radar (middle row) 는 환경변화에 강건하다

연구를 위한 데이터셋으로 3가지 정도가 현재 나와있습니다.

각각 장단점들도 함께 소개해보고자 합니다.

1. MulRan: Multimodal Range Dataset for Urban Place Recognition

• https://sites.google.com/view/mulran-pr/home
• 복잡한 도심환경들에서 취득되어서 dynamic object 가 많은 환경에 대한 알고리즘 테스트에 적합하고요,
• SLAM 및 localization 연구에 적합하도록 sequence trajectory 들이 고안되었습니다.

2. Oxford Radar RobotCar Dataset

• https://ori.ox.ac.uk/oxford-radar-robotcar-dataset/
• RobotCar dataset 으로 이미 유명한 oxford 대학의 radar extension 입니다.
• 같은 장소에 대해 여러 데이터가 있어 multi session 연구하기에 (inter-temporal) 적합해 보이고요,
• 다만 하나의 장소에 대해서만 커버하였기 때문에 inter-place 다양성은 조금 떨어질 수도 있겠습니다.

3. RADIATE: A Radar Dataset for Automotive Perception

• https://marcelsheeny.wordpress.com/radiate-dataset/
• https://arxiv.org/pdf/2010.09076.pdf
• 다양한 장소뿐아니라 다양한 날씨들을 커버한 것이 특징이고요,
• radar 상에서 3d object 의 위치에 대한 label 이 제공되는 것도 위의 데이터셋들과 차별되는 포인트입니다.

그리고 위의 데이터셋들 모두 radar뿐아니라 3D lidar data도 함께 제공하고 있기 때문에

두 센서 사이의 융합연구를 하기도 좋을것같습니다.