FoMo：一个面向 For\^et Montmorency 机器人导航的多季节数据集提案

在本文中，我们提出了 FoMo（For\^et Montmorency）数据集：一个全面的多季节数据采集。我们的数据集位于加拿大魁北克省的 Montmorency Forest，将在六条总计 6 公里的不同轨迹上采集丰富的多种传感数据，并在不同季节重复采集以累积 42 公里的记录数据。北方森林环境增加了移动机器人导航数据集的多样性。该拟议数据集将包含多种传感器模态，包括激光雷达、雷达和导航级惯性测量单元（IMU），并以充满挑战的北方森林条件为背景。值得注意的是，FoMo 数据集的显著特征在于其包含季节性变化，例如树冠的变化和深达 2 米的积雪，这为机器人导航算法带来了新的挑战。同时，我们将提供通过事后处理动态定位（PPK）全球导航卫星系统（GNSS）校正获得的厘米级精度真值，以促进对里程计和定位算法的精确评估。这项工作旨在推动自主导航的发展，使得能够开发出可应对北方森林特有的动态、非结构化环境的鲁棒算法。通过公开的里程计和定位排行榜以及专用软件套件，我们邀请机器人学界利用 FoMo 数据集，探索极端环境变化下机器人导航的新前沿。我们希望基于此提案获取社区的反馈，以使该数据集尽可能有用。有关更多细节和补充材料，请访问 https://norlab-ulaval.github.io/FoMo-website/。