本文首发于公众号【调皮连续波】，其他平台为自动同步，内容若不全或乱码，请前往公众号阅读。保持关注调皮哥，和1.5W雷达er一起学习雷达技术！

【正文】

编辑|雷达小助理  审核|调皮哥

早在今年(2023年)的上海国际汽车展会上，采埃孚（ZF）官方宣布将重磅推出4D成像雷达开发环境和带标注的数据集，这是采埃孚首次将4D成像毫米波雷达开发环境和数据集向客户开放，也是目前大家最具期待的4D成像毫米波雷达数据集之一。

随着采埃孚数万公里数据集的开放，将会补充现阶段世界上4D成像毫米波雷达数据集的不足之处，更能够帮助实现更好的信息共享与自动驾驶技术升级，全面提升用户的差异化竞争力。

[图片来源：采埃孚官微]

采埃孚宣称其4D成像毫米波雷达数据集是带标注的公开数据集，包括雷达的真实点云数据及激光雷达标注数据。数据集中的标准参照标注信息（Ground Truth Label）采用清晰度更高的激光雷达为基准进行打标，从而验证4D成像毫米波雷达的准确性和可靠性。

这些数据集将展示4D成像毫米波雷达探测的准确性及可应用场景，从而帮助用户形成相关概念，加速其应用4D成像毫米波雷达的进程，同时可基于该数据集信息，研究人员可以根据自己的算法扩展新的功能。

这份由采埃孚(ZF)提供用于自动驾驶目标检测的4D成像毫米波雷达数据集，采用的是采埃孚的FRGen21 4D成像毫米波雷达捕获的，已经在Github中发布了存储库，链接如下：

https://github.com/ZF4DRadSet/ZF-4DRadar-Dataset。

目前，由于相关政策原因，暂时还没有发布正式的数据集，但预计今年会发布，敬请期待。

在此之前，调皮连续波公众号平台分享过View-of-Delft (VOD)4D成像毫米波雷达数据集，同样采用了采埃孚的 FRGen21 3+1D 雷达捕获数据，如下链接所示：

1、雷达开源数据集 | 代尔夫特数据集(VOD)，4D雷达、激光雷达和相机数据

2、4D成像毫米波雷达点云数据集VOD（含Python和MATLAB数据解析仿真代码）

FRGen21雷达捕获的4D成像毫米波雷达数据集和VOD数据集不同，该数据集包含了7000帧4D成像毫米波数据，同时相机和激光雷达数据也同步收集和校准。

该数据集的场景包括 4 个典型场景：城市综合体交通场景、停车场场景、隧道场景、高速公路场景，总的来说场景要比VOD数据更加完整，VOD仅有城市综合体交通场景。目标检测的类别包括四类：汽车、自行车、行人和卡车/巴士。

采用该数据集，可以在四个维度（范围，速度，方位角和仰角）中提供了很高的探测性能，可以覆盖最远200m的物体。数据的注释格式与kitti数据集类似，包含多传感器的时间戳、校准参数、目标检测的类别以及检测边界框的位置和大小。

同时，将包含 7000 帧的数据集分别分为 5000 帧的训练集、1000 帧的验证集和测试集。如前所示，作为初步的学习和研究，这十分有利于读者进行学习和验证相关的算法，从而不需要花费大量时间在数据标注上。

今年7月份也将会开放申请到同济大学数据集，链接如下：

https://github.com/TJRadarLab/TJ4DRadSet

TJ4DRadSet：自动驾驶4D成像雷达数据集演示效果：

届时，这两个4D成像毫米波雷达数据集，加上VOD数据集，以及之前的众多雷达数据集。宏观上讲，将会越加丰富雷达感知与自动驾驶的研究，促进行业发展；从微观上讲，将会给大家提供更多的研究帮助，促进个人学术研究！

非常感谢诸多科学家、工程师，技术人员，企业、高校以及研究所给行业带来的宝贵资源！

【本期结束】

【点击以下链接可直达各个业务模块】

本文是空闲时个人的心得体会，仅供参考。目前我还有很多内容需要学习，如果还有没有说到或者不全面的地方，还请指正，感谢大家。喜欢本文，可以一键三连。欢迎关注备用号【跳频连续波】。