FROG数据集：膝高二维激光雷达行人检测新基准与端到端深度学习模型探索

《Frontiers in Robotics and AI》：FROG: a new people detection dataset for knee-high 2D range finders

　　本文介绍了FROG这一全新的膝高二维激光雷达（2D LiDAR）行人检测数据集，其具备更高激光分辨率、扫描频率及完整标注，并提出了基于原始传感器数据的端到端深度学习人物检测器（LFE-PPN），避免了手工特征预处理，在ROS中实现超过500 Hz的实时推理速度，为移动机器人环境感知提供了重要工具。

　　

FROG数据集：膝高二维激光雷达行人检测的新基准与深度学习模型探索

引言

移动机器人需感知周围环境，尤其是附近的行人。尽管基于计算机视觉的方法最为常见，但机器人上常被忽视的硬件特征——二维激光雷达（2D range finders）——也可用于行人检测。这些传感器通常安装在机器人膝高位置（约踝至膝之间），原本用于避障和地图构建/SLAM任务，但其视场和深度分辨率优于相机，使其成为行人检测的可行选择。本文介绍了名为FROG的新数据集，专为膝高二维激光雷达行人检测设计。与现有数据集（如DROW）相比，FROG数据集具有更高激光分辨率、扫描频率和更完整标注，特别是100%的激光扫描均被标注（DROW仅标注5%），标注扫描量多17倍，行人标注多100倍，机器人移动距离超两倍。作者还提出了基于FROG数据集的基准测试，分析了现有最先进的行人检测器，并评估了一种新的端到端深度学习行人检测方法。该方法直接处理原始传感器数据，无需手工特征预处理，避免了CPU预处理和开发者理解特定领域启发式知识。实验结果显示，所提检测器性能与最先进方法相当，而优化后的ROS实现可操作于超过500 Hz。

相关工作

在二维激光雷达标注数据集方面，现有数据集多聚焦自动驾驶任务（如nuScenes、KITTI、PedX），或涉及其他传感器（如JRDB、SCAND）。专注于二维激光雷达行人标注的数据集较少，DROW数据集是主要代表，但其仅标注5%扫描，且验证集比训练/测试集更具挑战性。新近的Sixth Sense数据集利用额外传感器进行无监督检测，但数据量小且全为室内场景。在行人检测器方面，早期方法使用手工特征和经典算法（如Arras等人的腿检测器），后来深度学习方法兴起。DROW探测器采用“切块”（cutouts）预处理和1D卷积网络，DR-SPAAM在此基础上引入时空注意力和自回归模型。Li2Former使用Transformer架构，但增加了复杂性。这些方法通常结合深度学习与非深度预处理/后处理步骤，导致计算开销大。本文旨在推动去除这些非深度步骤的研究。

FROG数据集

FROG数据集采集自西班牙塞维利亚皇家阿尔卡萨宫（年访客超150万），涵盖室内外多种场景，包括拥挤区域和具有挑战性的特征（如柱子、灌木、斜坡）。数据集包含超过40万次激光扫描（全部标注），超100万行人标注，约3小时记录时间，总移动距离超10公里。机器人平台前端安装二维激光雷达（视场180°，最大检测距离10米）。与DROW相比，FROG在扫描标注比例、行人数量、距离等方面均显著优势。标注工具基于ROS开发，支持图形化界面和半自动跟踪，输出多种格式（如HDF5），便于高效加载和处理。数据集采用机器人标准坐标系（X轴前向，Y轴左向，角度逆时针为正）。

行人检测

作者提出新的端到端深度学习网络，包括激光特征提取器（Laser Feature Extractor, LFE）和行人提议网络（People Proposal Network, PPN）。LFE为全卷积网络，从一维距离测量向量中提取特征，结构受U-Net、ResNet等启发，包含残差块和深度可分离卷积，生成多尺度特征。PPN基于Faster R-CNN的区域提议网络（RPN）思想，适应激光数据的极坐标特性，使用锚点网格（角度和深度扇区）生成行人中心提议，并回归距离和弧长偏移。训练采用结合二元交叉熵和Dice损失的分类损失，以及Smooth L1回归损失。推理时通过非极大值抑制（NMS）过滤提议。该方法避免了手工切块和投票聚合等非深度步骤，实现完全基于深度学习的人物检测。

FROG基准测试

作者建立了基准测试代码库，评估了多种检测器：ROS leg_detector（经典基线）、PeTra（基于分割的腿检测器）、DROW3、DR-SPAAM（切块方法）、以及本文的LFE-Peaks（LFE分割后经典后处理）和LFE-PPN。评估指标包括平均精度（AP）、峰值F₁分数、等错误率（EER）和推理时间。结果显示，切块方法（DROW3、DR-SPAAM）整体指标最佳；本文的LFE-PPN在低召回/高精度区域表现优异，且推理速度最快（<2 ms）。作者指出AP指标可能偏向生成大量低置信度猜测的方法，而峰值F₁和EER更公平。定性评估视频展示了各检测器在不同环境（室内、室外、拥挤场景）下的表现，分析了误检情况。

结论与未来工作

FROG数据集为二维激光雷达行人检测提供了新资源，作者提出的端到端深度学习模型展示了替代非深度步骤的潜力。未来工作包括改进模型性能、优化边缘设备部署、扩展数据集用于泛化能力研究，以及探索自监督方法和多传感器融合。