Introduction 4D 레이더는 감지 범위에 따라 단거리, 중거리, 장거리 모드로 다양한 작동 모드를 가지고 있습니다. 표 I에서 각 4D 레이더는 그 장점을 가지고 있음을 관찰할 수 있습니다. 다른 작동 모드에서 4D 레이더가 수집하는 포인트 클라우드의 해상도와 범위는 다르며, 여러 작동 모드에서 4D 레이더는 다른 포인트 클라우드 밀도와 수집 범위를 가집니다. 사용한 Radar 1. ARS548 RDI 장점: 더 긴 범위의 포인트 클라우드를 수집할 수 있다. 단점: denoise 과정을 거쳐 sparse한 데이터를 제공하기 때문에 작거나 가까운 물체를 탐지하기에 적합하지 않다. (miss detection) 2. Arbe Phoenix 장점: denoise를 거치지 않아 dense한 데이터를 이..
MOTA(Multi-Object Tracking Accuracy) $m_t$ : number of misses(놓친 객체 수) == FN $fp_t$ : number of false positives(잘못 등록한 객체 수) == FP $mme_t$ : number of ID switches(ID가 잘못 부여된 객체 수) $g_t$ : number of objects(모든 객체 수) 범위 : -∞ ~ 1 threshold에 따른 MOTA를 평균을 취한 것 : AMOTA 추적 성능을 평가하는데 주로 사용 MOTP(Multi-Object Tracking Precision) $d^i_t$ : 추적된 객체와 실제 위치 간 거리 $c_t$ : 정확하게 추적된 객체 수 범위 : 0 ~ ∞ threshold에 따른 M..
https://github.com/adept-thu/dual-radar GitHub - adept-thu/Dual-Radar Contribute to adept-thu/Dual-Radar development by creating an account on GitHub. github.com 4D Radar dataset으로 메일로 요청하여 데이터를 받을 수 있다. import numpy as np import open3d as o3d import os.path as osp FRAME_NUM = 57 str_frame_num = f'{FRAME_NUM}'.zfill(6) header = './training' calib_file = osp.join(header, 'training_calib', 'calib'..
