File size: 2,279 Bytes
56586de fab4171 56586de 941faff fab4171 b7dac78 941faff 56586de | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 | ---
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)。
|