[논문 리뷰] The Oxford Radar RobotCar Dataset: A Radar Extension to the Oxford RobotCar Dataset

Dan Barnes, Matthew Gadd외 3명|arXiv (Cornell University)|2019. 09. 03.

Robotics and Sensor-Based LocalizationEngineering참고 문헌 18인용 수 18

한 줄 요약

이 논문은 2019년 1월에 옥스포드 중심지역을 32회 주행하면서 확보한 대규모 다중 센서 데이터셋인 옥스포드 레이더 로봇카 데이터셋을 소개한다. 이 데이터셋에는 4.7TB의 밀리미터파 FMCW 레이더 데이터, 240만 개의 3D 라이다 스캔, 보조 카메라, GPS/INS 및 2D 라이다 데이터가 포함되어 있다. 이 데이터셋은 기상 및 조명 조건이 열악한 상황에서도 레이더 기반의 환경 이해를 위한 강력한 연구를 가능하게 하며, 레이더 오도메트리의 참값을 공개하여 레이더 중심의 인식 및 위치 결정 기술 개발을 가속화한다.

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

연구 동기 및 목표

• 자율주행 차량 연구를 위한 대규모 장기 레이더 데이터셋, 특히 악조건 환경에서의 가용성 부족 문제를 해결하기 위해.
• 기존 옥스포드 로봇카 데이터셋에 밀리미터파 FMCW 레이더 데이터를 추가하여 모든 기상 조건에서 강력한 인식 및 위치 결정을 지원하기 위해.
• 레이더 기반의 위치 결정 및 환경 이해 연구를 촉진하기 위해 참값 레이더 오도메트리를 제공하기 위해.
• 통합된 캘리브레이션된 데이터셋에서 레이더를 기존 시각, 라이다, 관성 센서 데이터와 융합하여 다중 모odal 연구를 가능하게 하기 위해.
• 완전한 도구 지원을 제공하는 공개 가능한 포괄적인 데이터셋을 공개하여 레이더 중심의 자율주행 시스템에 대한 혁신을 가속화하기 위해.

제안 방법

• 데이터셋은 옥스포드 로봇카 플랫폼을 사용해 수집되었으며, 이는 4Hz에서 작동하는 Navtech CTS350-X FMCW 레이더를 탑재한 자율주행 닛산 리프 차량이다. 이 레이더는 최대 163m 범위와 4.38cm의 범위 해상도를 가진다.
• 2019년 1월에 옥스포드 중심지역의 10km 노선을 32회 주행하면서 다양한 기상, 조도 및 교통 조건을 촬영하였다.
• 이 데이터셋에는 두 대의 Velodyne HDL-32E 라이다 센서에서 확보한 240만 개의 3D 라이다 스캔, 6대의 카메라, 2대의 2D 라이다, GPS/INS가 포함되어 있으며, 모든 센서는 시간 동기화 및 캘리브레이션되어 있다.
• 원시 레이더 데이터는 극좌표 형식(azimuth, range, power)으로 제공되며, 구성 가능한 해상도와 크기를 사용해 카르테시안 포인트 클라우드로 변환할 수 있는 도구가 제공된다.
• MATLAB 및 파이썬 도구를 개발하여 레이더 및 라이다 데이터를 로드하고 시각화하며 변환할 수 있도록 하였으며, 배치 다운로더 및 딥러닝 데이터 로더도 포함되어 있다.
• 참값 레이더 오도메트리가 계산되어 공개되어, 레이더 전용 위치 결정 및 맵핑 연구를 지원한다.

실험 결과

연구 질문

• RQ1 밀리미터파 FMCW 레이더는 dense 안개, 비, 직사광선과 같은 악조건 기상 조건에서도 신뢰할 수 있고 장거리 인식을 가능하게 하는가?
• RQ2 복잡한 도심 환경에서 동적 교통과 조도 변화가 있는 상황에서 레이더 기반의 환경 이해는 시각 및 라이다와 비교해 어떻게 성능을 보이는가?
• RQ3 시각적 특징이 없거나 센서 성능이 열악한 상황에서 레이더 데이터로 정확한 위치 결정 및 맵핑을 얼마나 잘 수행할 수 있는가?
• RQ4 장기적인 환경 변화가 존재하는 실제 도시 주행 환경에서 레이더 오도메트리의 성능 특성은 어떠한가?
• RQ5 라이다, 카메라 등 다른 센서 모달리티와 효과적으로 융합하여 강력한 자율주행 차량 인식을 구현하기 위해 레이더 데이터를 어떻게 활용할 수 있는가?

주요 결과

• 2019년 1월에 32회 주행을 통해 총 280km의 도심 주행 데이터를 확보하였으며, 다양한 기상, 조도 및 교통 조건을 촬영하였다.
• 레이더 데이터는 360도의 시야를 확보하며 최대 163m 범위와 4.38cm의 범위 해상도를 제공하여 먼 곳에 있는 물체나 저대비 물체도 탐지할 수 있다.
• 원시 레이더 스캔 4.7TB와 3D 라이다 스캔 240만 개를 포함하며, 완전한 센서 캘리브레이션과 시간 동기화가 이루어져 있다.
• 참값 레이더 오도메트리가 계산되어 공개되어, 레이더 기반의 위치 결정 및 맵핑 연구를 지원한다.
• 이 데이터셋은 ori.ox.ac.uk/datasets/radar-robotcar-dataset 에서 공개되며, 데이터 로딩, 시각화, 변환을 위한 완전한 MATLAB 및 파이썬 도구가 제공된다.
• 기존의 시각 및 라이다 데이터와의 레이더 통합은 다중 모달리티, 전기상태에서의 자율주행 인식 분야에서 새로운 연구 방향을 가능하게 한다.