LuSNAR：基于多传感器的自主探索月球分割、导航与重建数据集

随着月球探测任务的复杂性增加，月球需要更高的自主性。环境感知和导航算法是月球车实现自主探索的基础。其开发与验证需要高度可靠的数据支持。大多数现有月球数据集针对单一任务，缺乏多样化场景和高精度真值标签。为此，我们提出了一个多任务、多场景、多标签的月球基准数据集 LuSNAR。该数据集可用于自动感知和导航系统的综合评估，包括高分辨率立体图像对、全景语义标签、稠密深度图、LiDAR 点云以及车轮位置。在提供更丰富场景数据方面，我们基于虚幻引擎构建了 9 个月球模拟场景。每个场景根据地形起伏和物体密度进行划分。为验证数据集的可用性，我们评估并分析了语义分割、3D 重建和自主导航算法。实验结果表明，本文提出的数据集可用于自动环境感知和导航等任务的实地验证，为算法指标可访问性提供了月球基准数据集。我们将 LuSNAR 公开于：https://github.com/zqyu9/LuSNAR-dataset。