RadSimReal：用于雷达目标检测的仿真与真实数据桥接

利用神经网络对雷达图像进行目标检测在提升自动驾驶方面显示出巨大的潜力。然而，获取来自真实雷达图像的标注数据集对于训练这些网络而言具有挑战性，尤其是在远距离检测和恶劣天气和光照条件下，雷达性能尤为出色。为此，我们提出RadSimReal，一种创新的物理雷达仿真工具，能够生成各种雷达类型和环境条件下的合成雷达图像及其标注，无需真实数据收集。令人惊讶的是，我们发现，在RadSimReal数据上训练目标检测模型并在真实数据上评估，性能可与在相同数据集的真实数据上训练测试的模型相当，甚至在不同真实数据集上测试时表现更佳。RadSimReal相对于其他物理雷达仿真工具具有优势：其无需了解雷达设计细节（这些细节通常不被雷达供应商披露），且运行速度更快。这种创新工具有望推动基于雷达的自动驾驶应用的计算机视觉算法发展。