| license: cc-by-4.0 | |
| language: | |
| - zh | |
| - en | |
| tags: | |
| - radar | |
| - sensor-fusion | |
| - autonomous-driving | |
| - simulation | |
| pretty_name: XField Simulation Core | |
| # XField Simulation Core | |
| 自车 RGB 和复数雷达的仿真数据，用于非视距场景恢复、车辆定位与传感器融合。每帧以 `key` 配对测量、标定和监督。 | |
| | 划分 | 帧数 | 用途 | | |
| |---|---:|---| | |
| | fit | 29,223 | 训练 | | |
| | dev | 1,484 | 开发评价 | | |
| | paired_eval | 3,270 | 锁定测试，含 1,635 对有车／移车采集 | | |
| ## 读取一帧 | |
| 下载 [read_example.py](read_example.py)，安装 NumPy、Pillow 和 huggingface_hub 后运行下面的命令。 | |
| ```bash | |
| python read_example.py | |
| ``` | |
| 示例读取同一个 Town12 训练帧，输出 RGB、雷达 cube、相机矩阵和监督，并保存一张并排的预览图。RGB 为 640×360，复数雷达为 512×25×64，对应距离、扫描角和 Doppler。 | |
| ## 数据内容 | |
| 训练输入包括雷达 cube、RGB、相机内外参和图像前端的深度、语义特征。监督包括占据层、回波角色、反射面、折回目标、车辆与静态恢复标签。3,486 个训练帧另有六类语义、高度和车道监督，用 `dense_present` 判断。测试输入和评分标签分别存放。 | |
| ## 训练与评测 | |
| 下载 [xfield_sim.py](xfield_sim.py)，安装 `numpy zstandard filelock huggingface_hub`。下面的代码取一份已发布的训练样本。读取时只下载对应分片。 | |
| ```python | |
| from xfield_sim import XFieldSim | |
| train = XFieldSim("fit") | |
| key = train.available_keys()[0] | |
| frame = train[key] | |
| radar = frame["inputs"]["cube"] | |
| rgb = frame["inputs"]["image_rgb"] | |
| labels = frame["targets"] | |
| ``` | |
| 需要本地副本时，可以用下面的命令下载当前已发布的文件。 | |
| ```bash | |
| hf download KAS2003/xfield-sim-core --repo-type dataset --local-dir ./xfield-sim-core | |
| ``` | |
| 已有本地副本可使用 `XFieldSim("fit", local_dir="./xfield-sim-core")`。源数据按实际访问口径约 248.48 GB，其中训练约 212.01 GB。下载大小取决于分片压缩。 | |
| [当前发布进度](STATUS.md) · [字段与使用](FIELDS.md) · [训练与评测划分](SPLITS.md) · [复现代码](REPRODUCE.md) | |
| 仿真采集来源为 [CARLA X-band Radar NLOS](https://huggingface.co/datasets/KAS2003/carla-xband-radar-nlos)。 | |