GND：包含多模态感知与多类别可通行性的户外校园环境全局导航数据集
机器人学
2025-03-06 v3
摘要
在大型户外环境中导航需要针对几何结构、环境语义和地形特征进行复杂推理，这些信息通常由机载传感器（如 LiDAR 和相机）捕获。尽管当前的移动机器人能够使用基于针对特定环境定制的手工规则的高精度预定义地图在此类环境中导航，但它们缺乏大多数人类在未知户外空间导航时所具备的常识推理能力。为了弥补这一差距，我们引入了全局导航数据集（GND），这是一个大规模数据集，集成了多模态传感数据，包括 3D LiDAR 点云、RGB 图像和 360 度图像，以及来自十所大学校园的多类别可通行性地图（人行步道、车辆道路、楼梯、越野地形和障碍物）。这些环境涵盖了各种公园、城市设置、高程变化以及不同尺度的校园布局。该数据集覆盖约 2.7 平方公里，总共包含至少 350 栋建筑。我们还展示了 GND 的一系列新应用，以展示其支持全局机器人导航的效用，例如基于地图的全局导航、无地图导航以及全局位置识别。
引用
@article{arxiv.2409.14262,
title = {GND: Global Navigation Dataset with Multi-Modal Perception and Multi-Category Traversability in Outdoor Campus Environments},
author = {Jing Liang and Dibyendu Das and Daeun Song and Md Nahid Hasan Shuvo and Mohammad Durrani and Karthik Taranath and Ivan Penskiy and Dinesh Manocha and Xuesu Xiao},
journal= {arXiv preprint arXiv:2409.14262},
year = {2025}
}