[論文レビュー] The Oxford Radar RobotCar Dataset: A Radar Extension to the Oxford RobotCar Dataset

Dan Barnes, Matthew Gadd+3 more|arXiv (Cornell University)|Sep 3, 2019

Robotics and Sensor-Based LocalizationEngineering参考文献 18被引用数 18

ひとこと要約

本論文では、2019年1月にオックスフォード市中心部のルートを32回走行して収集した大規模かつマルチセンサのデータセット、Oxford Radar RobotCar Datasetを紹介する。このデータセットには、4.7TBのミリ波FMCWレーダデータ、240万件の3次元LIDARスキャン、および補完的なカメラ、GPS/INS、2次元LIDARデータが含まれる。このデータセットにより、悪天候や照明条件が厳しい状況下でも、自動運転車両におけるレーダー基盤のシーン理解の研究が強固に可能となり、レーダー中心の認識および位置特定の開発を加速するため、地面真値のレーダオドメトリを公開している。

ABSTRACT

In this paper we present The Oxford Radar RobotCar Dataset, a new dataset for researching scene understanding using Millimetre-Wave FMCW scanning radar data. The target application is autonomous vehicles where this modality is robust to environmental conditions such as fog, rain, snow, or lens flare, which typically challenge other sensor modalities such as vision and LIDAR. The data were gathered in January 2019 over thirty-two traversals of a central Oxford route spanning a total of 280km of urban driving. It encompasses a variety of weather, traffic, and lighting conditions. This 4.7TB dataset consists of over 240,000 scans from a Navtech CTS350-X radar and 2.4 million scans from two Velodyne HDL-32E 3D LIDARs; along with six cameras, two 2D LIDARs, and a GPS/INS receiver. In addition we release ground truth optimised radar odometry to provide an additional impetus to research in this domain. The full dataset is available for download at: ori.ox.ac.uk/datasets/radar-robotcar-dataset

研究の動機と目的

• 自動運転車両の研究において、特に悪環境条件下での大規模かつ長期的なレーダデータセットの不足を解消すること。
• 既存のOxford RobotCar Datasetにミリ波FMCWレーダデータを追加し、あらゆる天候に強い認識および位置特定を可能にすること。
• レーダー基盤の位置特定およびシーン理解の研究を促進するため、地面真値のレーダオドメトリを提供すること。
• レーダーと既存のビジョン、LIDAR、慣性センサデータを統合した一貫性がありキャリブレーション済みのデータセットを提供することで、マルチモーダル研究を可能にすること。
• 完全で公開可能なデータセットに包括的なツールキットを備えることで、レーダー中心の自動運転システムにおけるイノベーションを加速すること。

提案手法

• データセットは、Navtech CTS350-X FMCWレーダを搭載した自律走行用のNissan LEAFであるOxford RobotCarプラットフォームを用いて収集された。このレーダは4Hzで動作し、最大163mの範囲と4.38cmの距離分解能を有する。
• 2019年1月に10kmのオックスフォード市中心部のルートを32回走行し、多様な天候、照明、交通状況をカバーするデータを収集した。
• 2台のVelodyne HDL-32Eセンサから得られる240万件の3次元LIDARスキャンに加え、6台のカメラ、2台の2次元LIDAR、GPS/INSのデータも、すべて時刻同期済みかつキャリブレーション済みで含まれる。
• レーダの生データは極座標形式（方位角、距離、電力）で提供され、解像度とサイズをカスタマイズ可能なツールにより、デカルト座標の点群に変換可能である。
• MATLABおよびPython用のツールが開発され、レーダおよびLIDARデータの読み込み、可視化、変換が可能になった。バッチダウンローダーやディープラーニング用データローダーも含まれる。
• 地面真値のレーダオドメトリが計算され、レーダーのみの位置特定およびマップ作成に関する研究を支援する形で公開された。

実験結果

リサーチクエスチョン

• RQ1 ミリ波FMCWレーダは、濃霧、雨、直射日光などの悪天候条件下でも、信頼性が高く長距離の認識を可能にするか？
• RQ2 動的な交通状況や照明の変化が激しい都市環境において、レーダー基盤のシーン理解は、ビジョンやLIDARと比較してどの程度優れているか？
• RQ3 視覚的特徴が欠落している場合やセンサの劣化が生じた場合でも、レーダデータがどれほど正確な位置特定およびマッピングに利用できるか？
• RQ4 長期的な環境変動が生じる実際の都市走行シナリオにおいて、レーダオドメトリの性能特性はどのようなものか？
• RQ5 LIDARやカメラなどの他のセンサモダリティと効果的に統合することで、レーダデータはどのようにして強固な自動運転車両の認識を実現できるか？

主な発見

• 2019年1月に32回の走行を通じて収集された280kmの都市走行データが、多様な天候、照明、交通状況をカバーしている。
• レーダデータは360°の視野角を有し、最大163mの範囲と4.38cmの距離分解能を備えており、遠方や低コントラストの物体の検出が可能である。
• 4.7TBの生レーダスキャンと240万件の3次元LIDARスキャンを含み、完全なセンサキャリブレーションと時刻同期が実施されている。
• 地面真値のレーダオドメトリが計算され、レーダー基盤の位置特定およびマップ作成に関する研究を支援する形で公開された。
• データセットは、ori.ox.ac.uk/datasets/radar-robotcar-dataset で公開されており、データ読み込み、可視化、変換に使える完全なMATLABおよびPythonツールキットが提供されている。
• ビジョンおよびLIDARデータとの統合により、マルチモーダルであらゆる天候に強い自動運転認識分野における新たな研究分野が可能になった。