代尔夫特数据集(VOD)，4D雷达、激光雷达和相机数据
1、介绍
代尔夫特视图 （vod） 数据集是一种新颖的汽车数据集，包含 8600 帧同步和校准的 64 层 lidar、（立体）摄像头和 3+1d 雷达数据，这些数据是在复杂的城市交通中采集的。它由超过 123000 个 3d 边界框注释组成，包括超过 26000 个行人、10000 个骑自行车者和 26000 个汽车标签。
2、传感器和数据
数据集记录了以下传感器的输出：
安装在前保险杠后面的采埃孚 frgen21 3+1d 雷达 （∼13 hz），
安装在挡风玻璃上的立体摄像头（1936 × 1216 像素，∼30 hz），
屋顶上的velodyne hdl-64 s3激光雷达（∼10 hz）扫描仪，以及
自我车辆的里程计（rtk gps、imu 和车轮里程计的过滤组合，∼100 hz）。
所有传感器均经过联合校准，有关传感器设置的一般概述，请参见下图。
该数据集仅免费提供用于非商业研究目的，使用该数据集的资格仅限于硕士生和博士生，以及学术和非营利研究机构的工作人员，可以通过填写此表格来请求访问：
https://docs.google.com/forms/d/e/1faipqlsdkvkukbzmjtn8rajbawgekajcpaqls_ed63sus89ezo61rcq/viewform?usp=send_form
如果不想填写表格，文章末尾提供了下载方式。
github中包含了数据解析的python代码，以及相关的教程：https://github.com/tudelft-iv/view-of-delft-dataset。
注意事项：该数据集比较大，大约14g，下载比较耗时间。
3、数据格式
激光雷达：
激光雷达点云存储在bin文件中，每个 bin 文件都包含 nx4 数组形式的 360° 扫描，其中 n 是点数，4 是特征数：[x,y,z,reflectance]
4d毫米波雷达：
雷达点云存储在bin文件中，每个 bin 文件都包含一组 nx7 数组形式的点，其中 n 是点数，7 是特征数：
[x, y, z, rcs, v_r, v_r_compensated, time]
其中,v_r是相对径向速度，v_r_compensated是点的绝对（即自我运动补偿）径向速度。time是点的时间 id，指示它来自哪个扫描。例如，当前扫描的点 t = 0， 而第三次最近扫描的点的 t = −2。
相机：图像存储在.jpg文件中。
4、数据读取与解析
参照说明文档的pyhton代码即可完成读取，其中代码需要python的环境，并安装好相关的依赖库。
https://github.com/tudelft-iv/view-of-delft dataset/blob/main/1_frame_information.ipynb
该数据集调皮哥已经解析出来了，解析过程不难，挺简单的。数据内容觉得还可以，就是单帧的点云有点少。感兴趣的朋友可以试试，用于科研（做聚类、跟踪算法、目标识别、数据融合）还是可以的，算是目前比较好的数据集了。
PicoScope OEM应用分享—电源时序测试
华大半导体旗下积塔半导体汽车芯片生产线项目银团正式签约
全新的WEBENCH®电源设计器将更加易于使用
AT&T和Orange等四家运营商在联网设备中成功激活了LTE-M漫游功能
DC/DC转换器的电感和电容器的选定-输入电容器的选定
代尔夫特数据集(VOD)，4D雷达、激光雷达和相机数据
机器视觉检测设备上市企业
莱迪思半导体超低功耗FPGA解决方案助力机器学习面向大众市场
打造具有一定规模和国际竞争力的制造业，是经济能否稳定增长的核心
基于全桥电磁暂态快速模型的SVG建模验证方法
小萌智能教育机器人将正式揭开面纱，直面市场
挑战DLP王者地位 LCD拼接技术优势分析
在中国家庭里,VR设备能起到什么样的作用
传戴尔将停止在中国销售搭载多款AMD 7900显卡的产品
mate40怎么升级鸿蒙系统
Linux 内存管理总结
北汽新能源高端品牌全新电动SUV曝光 目前已经启动了生产导入程序
ModbusTCP转Profinet网关连接拧紧轴驱动器配置
权威认证 丨 数明半导体隔离驱动产品通过VDE增强隔离认证
探讨物联网M2M市场、联网标准与产品设计
代尔夫特视图 （vod） 数据集是一种新颖的汽车数据集，包含 8600 帧同步和校准的 64 层 lidar、（立体）摄像头和 3+1d 雷达数据，这些数据是在复杂的城市交通中采集的。它由超过 123000 个 3d 边界框注释组成，包括超过 26000 个行人、10000 个骑自行车者和 26000 个汽车标签。
2、传感器和数据
数据集记录了以下传感器的输出：
安装在前保险杠后面的采埃孚 frgen21 3+1d 雷达 （∼13 hz），
安装在挡风玻璃上的立体摄像头（1936 × 1216 像素，∼30 hz），
屋顶上的velodyne hdl-64 s3激光雷达（∼10 hz）扫描仪，以及
自我车辆的里程计（rtk gps、imu 和车轮里程计的过滤组合，∼100 hz）。
所有传感器均经过联合校准，有关传感器设置的一般概述，请参见下图。
该数据集仅免费提供用于非商业研究目的，使用该数据集的资格仅限于硕士生和博士生，以及学术和非营利研究机构的工作人员，可以通过填写此表格来请求访问：
https://docs.google.com/forms/d/e/1faipqlsdkvkukbzmjtn8rajbawgekajcpaqls_ed63sus89ezo61rcq/viewform?usp=send_form
如果不想填写表格，文章末尾提供了下载方式。
github中包含了数据解析的python代码，以及相关的教程：https://github.com/tudelft-iv/view-of-delft-dataset。
注意事项：该数据集比较大，大约14g，下载比较耗时间。
3、数据格式
激光雷达：
激光雷达点云存储在bin文件中，每个 bin 文件都包含 nx4 数组形式的 360° 扫描，其中 n 是点数，4 是特征数：[x,y,z,reflectance]
4d毫米波雷达：
雷达点云存储在bin文件中，每个 bin 文件都包含一组 nx7 数组形式的点，其中 n 是点数，7 是特征数：
[x, y, z, rcs, v_r, v_r_compensated, time]
其中,v_r是相对径向速度，v_r_compensated是点的绝对（即自我运动补偿）径向速度。time是点的时间 id，指示它来自哪个扫描。例如，当前扫描的点 t = 0， 而第三次最近扫描的点的 t = −2。
相机：图像存储在.jpg文件中。
4、数据读取与解析
参照说明文档的pyhton代码即可完成读取，其中代码需要python的环境，并安装好相关的依赖库。
https://github.com/tudelft-iv/view-of-delft dataset/blob/main/1_frame_information.ipynb
该数据集调皮哥已经解析出来了，解析过程不难，挺简单的。数据内容觉得还可以，就是单帧的点云有点少。感兴趣的朋友可以试试，用于科研（做聚类、跟踪算法、目标识别、数据融合）还是可以的，算是目前比较好的数据集了。
PicoScope OEM应用分享—电源时序测试
华大半导体旗下积塔半导体汽车芯片生产线项目银团正式签约
全新的WEBENCH®电源设计器将更加易于使用
AT&T和Orange等四家运营商在联网设备中成功激活了LTE-M漫游功能
DC/DC转换器的电感和电容器的选定-输入电容器的选定
代尔夫特数据集(VOD)，4D雷达、激光雷达和相机数据
机器视觉检测设备上市企业
莱迪思半导体超低功耗FPGA解决方案助力机器学习面向大众市场
打造具有一定规模和国际竞争力的制造业，是经济能否稳定增长的核心
基于全桥电磁暂态快速模型的SVG建模验证方法
小萌智能教育机器人将正式揭开面纱，直面市场
挑战DLP王者地位 LCD拼接技术优势分析
在中国家庭里,VR设备能起到什么样的作用
传戴尔将停止在中国销售搭载多款AMD 7900显卡的产品
mate40怎么升级鸿蒙系统
Linux 内存管理总结
北汽新能源高端品牌全新电动SUV曝光 目前已经启动了生产导入程序
ModbusTCP转Profinet网关连接拧紧轴驱动器配置
权威认证 丨 数明半导体隔离驱动产品通过VDE增强隔离认证
探讨物联网M2M市场、联网标准与产品设计