|
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1.4W雷达er一起学习雷达技术！
【正文】 编辑 | 调皮哥的小助理 审核 | 调皮哥 1、引言 闲来无事编程序，本期文章分享一个2TX-4RX MMWave 雷达的数据集，以及基于该数据集的MATLAB算法仿真程序，仿真程序从原始数据解析、距离估计、速度估计、CFAR检测、峰值搜索、非相参积累、多普勒速度补偿、角度估计（3D-FFT和MUSIC超分辨）。 其中，整个框架内部可以进行修改和扩展，比如其他超分辨算法、聚类算法、跟踪算法、点云识别等等。 先上演示效果，请看下面两个视频：  该数据集采用TI单芯片毫米波雷达AWR1843采集，只用了水平通道的2根发射天线，通过所有发射通道上的时分复用（TDM-MIMO），它可以形成具有1T8R TDM-MIMO 虚拟阵列。
主要采集了6种目标，包含行人、骑自行车的人、汽车、摩托车、公共汽车、卡车 。数据集来源：https://github.com/Xiangyu-Gao/Raw_ADC_radar_dataset_for_automotive_object_detection 2、数据集的说明 整个数据集包含大约 19800 帧雷达数据以及同步的相机图像和标签，对于每个雷达帧，其原始数据具有 4 个维度：ADC采样点（快速时间）、线性调频Chirp（慢时间）、发射通道、接收通道。
数据集下载：https://drive.google.com/file/d/1QgjwdQpY96NAVGdvjjFrXLhb48o15EO_/view?usp=share_link 如果个人数据集下载不了，文章末尾有获取方式。 3、数据集格式 数据集由多个序列组成，例如“2019_04_09_bms1000”、“2019_04_09_cms1000”。在每个序列文件夹下，存在图像文件夹“images_0”、雷达数据文件夹“radar_raw_frame”和标签文件夹“text_labels”。
整体数据集结构如下所示：
“radar_raw_frame”文件夹包含 *.mat 格式的原始 ADC 雷达数据，“images_0”文件夹包含 *.jpg 格式的相机图像，“text_labels”包含 *.csv 格式的每个帧的标签文件。
（1）雷达数据 详细的数据格式说明如下： 对于每个雷达帧，其原始数据 （*.mat） 有 4 个维度：ADC样本 （128）、线性调频 （255）、接收通道 （4）、发射通道（2）。所有发射机均采用时分复用（TDM）布置，即逐个发送线性调频信号。
2 个发射器和 4 个接收器的位置绘制在下图中，来自 TI 文档。通过TDM，它形成一个1×8的MIMO阵列，如下图所示：
所有雷达配置都包含在配置中，如下图所示：
（2）相机数据 每帧的相机图像为 1440x1080 像素，某一帧的图像如下图所示：
（3）标签 每个 *.csv 文件都包含一个帧的标签，其中每一行的格式为 [uid， class， px， py， wid， len]，其中 uid 是此序列中对象的唯一跟踪 ID，class 是对象的类 ID，ID 号表示如下，px， py， wid， len 是 x 中心， 对象的边界框的 y 中心、宽度和长度。
3、数据集解析工具本文采用MATLAB2022b为处理环境，数据解析代码如下：
添加路径后，提取数据比较方便，然后设置好雷达参数：
然后按帧提取，每提取一帧数据，就处理一帧数据：
4、算法仿真结果 （1）回波信号实虚部
（2）距离估计
（3）距离-速度谱
（4）非相参积累
（5）CFAR检测 采用CA-CFAR。
（6）峰值搜索
（7）MUSIC超分辨结果
好了，由于篇幅和时间有限，暂时就展示这些内容。上述代码和数据集是完全配合使用的，需要数据集和整套代码可以点这个链接联系调皮哥：雷达er入群指南。 【本期结束】 以后程序都是私信分享，因为有人之前用我的开源程序被人盗用，这就是我写的程序和数据，我还没办法举报，这就很头疼。
目前我的工作经验尚浅，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，可以转发朋友圈~，关注【调皮连续波】和备用号【我们的雷达】。 【点击以下链接，可直达各个业务模块】
|
|
|
