BotanicGarden：用于非结构化自然环境中机器人导航的高质量数据集
机器人学
2024-03-05 v2
摘要
多年来移动机器人与自主导航的快速发展，很大程度上得益于用于测试与升级的公开数据集，如传感器里程计与 SLAM 任务。令人印象深刻的演示与基准分数不断涌现，似乎表明现有导航技术已趋成熟。然而，这些结果主要基于适中的结构化场景测试。当过渡至具挑战性的非结构化环境，尤其在拒止 GNSS、纹理单调且植被茂密的自然场域时，其性能难以维持高位，需进一步验证与改进。为弥补此差距，我们在一座占地超 48000 平方米、植被繁茂的植物园中构建了新型机器人导航数据集。使用了完备传感器，包括灰度与 RGB 立体相机、旋转与 MEMS 三维激光雷达，以及低成本与工业级 IMU，均经过良好标定与硬件同步。采用全地形轮式机器人进行数据采集，穿越密林、河岸、窄径、桥梁与草地，这些在以往资源中稀缺。由此产生 33 条长短序列，总计形成 17.1 km 轨迹。令人振奋的是，我们同时提供了高精度自运动与三维地图真值，以及精细标注的视觉语义。我们坚信本数据集能将机器人导航与传感器融合研究推向更高水平。
引用
@article{arxiv.2306.14137,
title = {BotanicGarden: A High-Quality Dataset for Robot Navigation in Unstructured Natural Environments},
author = {Yuanzhi Liu and Yujia Fu and Minghui Qin and Yufeng Xu and Baoxin Xu and Fengdong Chen and Bart Goossens and Poly Z. H. Sun and Hongwei Yu and Chun Liu and Long Chen and Wei Tao and Hui Zhao},
journal= {arXiv preprint arXiv:2306.14137},
year = {2024}
}
备注
This article has been accepted for publication in IEEE Robotics and Automation Letters