DeepSense-V2V：一个车对车多模态感知、定位与通信数据集

高数据速率和低延迟的车对车通信对于未来的智能交通系统至关重要，以实现协调、增强安全性并支持分布式计算和智能需求。然而，制定有效的通信策略需要真实的测试场景和数据集。这在高频段尤为重要，因为那里有更多的频谱可用，但利用这一带宽面临着定向传输的需求和信号传播对遮挡的敏感性等挑战。本文提出了首个用于研究毫米波车对车通信的大规模多模态数据集。它介绍了一个双车测试平台，包含来自360度摄像头、四个雷达、四个60 GHz相控阵、一个3D激光雷达和两个精密GPS的数据。该数据集包含白天和夜间在城市间和乡村环境中行驶的车辆数据，行驶距离为120公里，速度高达每小时100公里。在所有图像中检测到超过一百万个物体，从卡车到自行车。本文还包括详细的数据集统计信息，证明了各种情况的覆盖范围，并强调了该数据集如何能够支持新颖的机器学习应用。