毫米波汽车雷达原始ADC数据集详解

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。

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。

毫米波汽车雷达原始ADC数据数据集（附MATLAB算法仿真）_公众号_02

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。

毫米波汽车雷达原始ADC数据数据集（附MATLAB算法仿真）_数据集_03

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”。

毫米波汽车雷达原始ADC数据数据集（附MATLAB算法仿真）_数据_04

整体数据集结构如下所示：

登录后复制

Automotive
---2019_04_09_bms1000
---images_0
---radar_raw_frame
---text_labels
---2019_04_09_cms1000
   ......

“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。

毫米波汽车雷达原始ADC数据数据集（附MATLAB算法仿真）_数据_05

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。

毫米波汽车雷达原始ADC数据数据集（附MATLAB算法仿真）_数据集_06

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：

毫米波汽车雷达原始ADC数据数据集（附MATLAB算法仿真）_数据_07

所有雷达配置都包含在配置中，如下图所示：

毫米波汽车雷达原始ADC数据数据集（附MATLAB算法仿真）_公众号_08

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：

毫米波汽车雷达原始ADC数据数据集（附MATLAB算法仿真）_数据_09

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。

登录后复制

label_map = {0: 'person',
2: 'car',
3: 'motorbike',
5: 'bus',
7: 'truck',
80: 'cyclist',
              }
              
              
              
              
              
              登录后复制

.CSV文件夹中的数如下图所示：

毫米波汽车雷达原始ADC数据数据集（附MATLAB算法仿真）_公众号_10

登录后复制

3、数据集解析工具

登录后复制

本文采用MATLAB2022b为处理环境，数据解析代码如下：





登录后复制

%% 公众号 ：调皮连续波
%% 时间：2023年3月26日
clc;
clear all;
close all;


addpath('你的雷达数据存放路径\2019_05_29_pcms005\radar_raw_frame');
addpath('你的图像数据存放路径\\2019_05_29_pcms005\images_0');





登录后复制

添加路径后，提取数据比较方便，然后设置好雷达参数：





登录后复制

%% 根据采集的数据设置
ADC_samples =128; %ADC采样点数
chirpsNum=255;    %chirp脉冲数
numTx =2;        %发射天线数
numRx=4;         %接收天线数
Frame =898;      %帧数设置；
parameter  = generateParameter();

然后按帧提取，每提取一帧数据，就处理一帧数据：

登录后复制

for frame =3:Frame %帧数设置


adcData = load([num2str(frame, '%06d'),'.mat']).adcData;
rawData=reshape(adcData,[ADC_samples,chirpsNum,numRx*numTx]);
 
    %%添加你的处理代码
end

4、算法仿真结果

1）回波信号实虚部

毫米波汽车雷达原始ADC数据数据集（附MATLAB算法仿真）_公众号_11