本研究探讨了在雷达点云中应用混合样本数据增强（MSDA）的挑战，并提出了类感知柱混合（CAPMix）方法。该方法通过在3D点云的柱级别应用带类标签的MixUp，生成多样化的训练样本。实验结果表明，CAPMix显著提升了性能，超越了现有的MSDA方法。

本研究提出了一种基于生成对抗网络（GAN）合成雷达点云场景的新方法，以解决真实交通场景数据集获取的困难。研究表明，基于PointNet++的GAN模型生成的场景性能接近真实场景，达到约87%的相似度，为汽车雷达验证提供了有效的替代方案。