Forêt Montmorency多季节机器人导航数据集
机器人学
2026-03-10 v1
摘要
Forêt Montmorency（FoMo）数据集是一个全面的多季节数据收集，跨越一年在热带雨林中记录。该数据集独特地结合了铺装与非铺装环境以及显著的环境变化，对现有的定位和SLAM管线构成挑战。数据集的一些亮点包括超过1米的积雪、传感器前的植被生长，以及在平台牵引极限的操作。在总计超过64公里的六条多样化轨迹上，整个数据集在一年中的12次部署中重复记录。数据集包括一台旋转式和一台混合型固态激光雷达、频率调制连续波（FMCW）雷达、来自全高清立体相机和广角单目相机的图像，以及来自两台陀螺仪的IMU数据。通过后处理安装在无人地面车辆（UGV）上的三台GNSS接收器和一个静止的GNSS基站计算基准坐标。此外，还提供了每分钟一项的现场气象站测量、相机标定内参以及车辆功耗数据，可用于所有序列。为凸显数据集的相关性，我们对一款激光-惯性、雷达-陀螺和一种视觉-惯性定位和映射技术的季节性变化鲁棒性进行了初步评估。我们展示了季节性变化对最新方法的再定位能力具有严重影响。该数据集和开发套件可在 https://fomo.norlab.ulaval.ca 获取。
引用
@article{arxiv.2603.08433,
title = {FoMo: A Multi-Season Dataset for Robot Navigation in For\^et Montmorency},
author = {Matěj Boxan and Gabriel Jeanson and Alexander Krawciw and Effie Daum and Xinyuan Qiao and Sven Lilge and Timothy D. Barfoot and François Pomerleau},
journal= {arXiv preprint arXiv:2603.08433},
year = {2026}
}