論文の概要: 4DLidarOpen: An Open 4D FMCW Lidar Dataset for Motion-Aware Autonomous Driving

• arxiv url: http://arxiv.org/abs/2605.18074v1
• Date: Mon, 18 May 2026 08:55:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.205782
• Title: 4DLidarOpen: An Open 4D FMCW Lidar Dataset for Motion-Aware Autonomous Driving
• Title（参考訳）: 4DLidarOpen:モーション対応自動運転のための4D FMCWライダーデータセット
• Authors: Kane Qian, Xin Zhao, Yining Shi, Rujun Yan, Zhengqing Pan, Kaojin Zhu, Mengmeng Yang, Kai Sun, Diange Yang, Kun Jiang,
• Abstract要約: 本研究では,4次元周波数変調連続波(FMCW)ライダーセンシングを中心に,自律運転のための大規模オープンマルチモーダルデータセットを提案する。 4DLidarOpenは、前方向きの4D FMCW Lidarと異なるタイプの複数のLidarから、点方向の放射速度の測定を含む。 このデータセットは北京の複雑な都市環境で収集され、密集した歩行者の交流、渋滞、高速運転、未保護の操作をカバーしている。
• 参考スコア（独自算出の注目度）: 17.075537533081945
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present 4DLidarOpen, a large-scale open multi-modal dataset for autonomous driving, centered on 4D frequency-modulated continuous-wave (FMCW) Lidar sensing. Unlike conventional time-of-flight Lidar datasets that mainly provide geometric measurements, 4DLidarOpen includes point-wise radial velocity measurements from a forward-facing 4D FMCW Lidar, together with multiple Lidars of different types, including rotating, solid-state, and blind-spot variants, surround-view cameras, and 6-DOF ego-vehicle poses. The dataset was collected in complex urban environments in Beijing and covers dense pedestrian interactions, congested traffic, high-speed driving, and unprotected maneuvers. 4DLidarOpen provides synchronized multi-sensor data and 3D bounding-box annotations with persistent track IDs across five object categories. A hybrid annotation strategy is adopted, where large-scale auto-labeled data support scalable training and human experts refine annotations for the human-annotated training and validation sets. Based on this dataset, we establish benchmarks for 3D object detection, birds-eye view (BEV) segmentation and flow prediction, and motion forecasting with planning. Extensive experiments show that direct velocity measurements from 4D FMCW Lidar provide complementary motion cues for dynamic-scene understanding. Compared with geometric-only sensing, the velocity-aware representation improves motion-related perception and downstream forecasting and planning, especially in scenarios involving vulnerable road users and fast-moving objects. These results indicate that 4D FMCW Lidar is a promising sensing modality for motion-aware autonomous driving. The dataset and evaluation toolkit are publicly released to support research on 4D scene understanding, multi-Lidar fusion, and velocity-aware perception and planning.
• Abstract（参考訳）: 自律運転のための大規模オープンマルチモーダルデータセットである4DLidarOpenについて述べる。 4DLidarOpenは、幾何学的測定を主とする従来の飛行時ライダーデータセットとは異なり、前方向きの4D FMCW Lidarから、回転、固体、盲点の変種、サラウンドビューカメラ、および6-DOFエゴ車両のポーズを含む複数の種類のライダーとともに、点方向のラジアル速度の測定を含む。 このデータセットは北京の複雑な都市環境で収集され、密集した歩行者の交流、渋滞、高速運転、未保護の操作をカバーしている。 4DLidarOpenは5つのオブジェクトカテゴリにまたがる永続的なトラックIDを備えた同期マルチセンサーデータと3Dバウンディングボックスアノテーションを提供する。 大規模な自動ラベル付きデータがスケーラブルなトレーニングをサポートし、人間専門家が人間の注釈付きトレーニングと検証セットのためのアノテーションを洗練するハイブリッドアノテーション戦略が採用されている。 このデータセットに基づいて,3次元物体検出,鳥眼ビュー(BEV)のセグメンテーションとフロー予測,計画による動き予測のベンチマークを構築した。 4次元FMCWライダーからの直接速度測定により,動的シーン理解のための相補的な動きの手がかりが得られた。 幾何限定センシングと比較して、速度認識表現は、特に脆弱な道路利用者や高速移動物体を含むシナリオにおいて、動きに関する知覚と下流予測と計画を改善する。 これらの結果から, 4D FMCW Lidar は運動認識型自律運転において有望な知覚モダリティであることが示唆された。 データセットと評価ツールキットは、4Dシーン理解、マルチライダー融合、ベロシティ認識と計画の研究を支援するために公開されている。

関連論文リスト

• 4D-ROLLS: 4D Radar Occupancy Learning via LiDAR Supervision [7.099012213719072]
  我々は,LiDAR点雲を監視信号として用いた4Dレーダの4D-ROLLSを提案する。 モデルは、下流タスクのBEVセグメンテーションとポイントクラウド占有率予測にシームレスに転送される。 この軽量ネットワークにより、4D-ROLLSモデルは4060 GPUで約30Hzの高速な推論速度を実現することができる。
  論文  参考訳（メタデータ） (2025-05-20T04:12:44Z)
• ZFusion: An Effective Fuser of Camera and 4D Radar for 3D Object Perception in Autonomous Driving [7.037019489455008]
  本研究では、4次元レーダと視覚のモダリティを融合した3次元物体検出手法ZFusionを提案する。 FP-DDCAフェイザーはTransformerブロックをパックし、異なるスケールのマルチモーダル機能をインタラクティブに融合する。 実験の結果、ZFusionは興味のある領域で最先端のmAPを達成した。
  論文  参考訳（メタデータ） (2025-04-04T13:29:32Z)
• Tracking Meets Large Multimodal Models for Driving Scenario Understanding [76.71815464110153]
  大規模マルチモーダルモデル(LMM)は、最近自動運転研究で注目されている。 本稿では3次元の空間的・時間的詳細を復元するための追加入力として追跡情報を統合することを提案する。 本稿では,この追跡情報をLMMに埋め込んで,運転シナリオの理解を深めるための新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-03-18T17:59:12Z)
• Doracamom: Joint 3D Detection and Occupancy Prediction with Multi-view 4D Radars and Cameras for Omnidirectional Perception [9.76463525667238]
  マルチビューカメラと4Dレーダを融合した最初のフレームワークであるDoracamomを提案する。 コードとモデルは公開されます。
  論文  参考訳（メタデータ） (2025-01-26T04:24:07Z)
• RoboSense: Large-scale Dataset and Benchmark for Egocentric Robot Perception and Navigation in Crowded and Unstructured Environments [62.5830455357187]
  我々は3種類のセンサー(Camera, LiDAR, Fisheye)をベースとした自我中心型マルチセンサデータ収集プラットフォームを構築した。 大規模なマルチモーダルデータセットであるRoboSenseは、エゴセントリックなロボット知覚を促進するために構築されている。
  論文  参考訳（メタデータ） (2024-08-28T03:17:40Z)
• DriveWorld: 4D Pre-trained Scene Understanding via World Models for Autonomous Driving [67.46481099962088]
  現在の視覚中心の事前訓練は、通常、2Dまたは3Dのプリテキストタスクに依存し、自律運転の時間的特性を4Dシーン理解タスクとして見落としている。 我々は,マルチカメラ駆動ビデオからテンポラリな方法で事前学習が可能なEmphcentricDriveWorldを紹介した。 DriveWorldは、さまざまな自動運転タスクに関する有望な結果を提供する。
  論文  参考訳（メタデータ） (2024-05-07T15:14:20Z)
• DriveGPT4: Interpretable End-to-end Autonomous Driving via Large Language Model [84.29836263441136]
  本研究は,マルチモーダル大言語モデル(MLLM)に基づく新しい解釈可能なエンドツーエンド自動運転システムであるDriveGPT4を紹介する。 DriveGPT4は、車両動作の解釈を促進し、関連する推論を提供し、ユーザによるさまざまな質問に効果的に対処する。
  論文  参考訳（メタデータ） (2023-10-02T17:59:52Z)
• 4DRVO-Net: Deep 4D Radar-Visual Odometry Using Multi-Modal and Multi-Scale Adaptive Fusion [2.911052912709637]
  4次元(4D)レーダー-視覚計測(4DRVO)は4次元レーダーとカメラの補完情報を統合している。 4DRVOは4Dレーダーポイント雲の空隙による追跡誤差が顕著である可能性がある。 本稿では,4次元レーダ・ビジュアル・オドメトリーの手法である4DRVO-Netを提案する。
  論文  参考訳（メタデータ） (2023-08-12T14:00:09Z)
• Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
  周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。 移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T15:30:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。