MineInsight：面向非道路环境人道主义排雷机器人的多传感器数据集
机器人学
2026-02-03 v2 计算机视觉与模式识别
摘要
机器人在人道主义排雷中的应用日益涉及计算机视觉技术以提升地雷检测能力。然而，在缺乏多样化和真实数据集的情况下，算法的可靠验证仍然是研究社区面临的一项挑战。本文提出MineInsight，一个用于非道路地雷检测的公开多传感器、多光谱数据集。该数据集包含35个不同目标（15枚地雷和20个常见物体），分布在三条不同的轨道上，提供了多样且真实的测试环境。据我们所知，MineInsight是首个整合无人地面车辆（UGV）及其机械臂的双视角传感器扫描的数据集，提供多个视角以减少遮挡并提升空间感知能力。它配备了两个LiDAR，以及在多种光谱范围内捕获的图像，包括可见光（RGB、单色）、可见光短波红外（VIS-SWIR）和长波红外（LWIR）。此外，该数据集还提供了由自动化流水线生成并经人工监督优化的边界框。我们在白天和夜间条件下记录了约一小时的数据，共产生约38,000帧RGB图像、53,000帧VIS-SWIR图像和108,000帧LWIR图像。MineInsight作为开发和评估地雷检测算法的基准。我们的数据集可在https://github.com/mariomlz99/MineInsight获取。
引用
@article{arxiv.2506.04842,
title = {MineInsight: A Multi-sensor Dataset for Humanitarian Demining Robotics in Off-Road Environments},
author = {Mario Malizia and Charles Hamesse and Ken Hasselmann and Geert De Cubber and Nikolaos Tsiogkas and Eric Demeester and Rob Haelterman},
journal= {arXiv preprint arXiv:2506.04842},
year = {2026}
}