POLAR-Sim：扩充NASA的POLAR数据集用于数据驱动的月球感知与巡视器仿真

NASA的POLAR数据集包含约2600对高动态范围立体照片，拍摄于13种不同的地形场景，包括岩石分布稀疏或密集的区域、陨石坑以及不同尺寸的岩石。这些照片旨在促进机器人、基于AI的感知和自主导航的发展。鉴于月球两极周边月球图像稀缺，NASA Ames在受控条件下于地球制作了类似月球这些区域巡视器作业条件的图像。我们报告一项旨在完成两项任务的成果。任务1中，我们为NASA POLAR数据集中的所有图像提供了边界框与语义分割信息。该工作产生了涉及岩石、阴影和陨石坑的23000个标签与语义分割标注。任务2中，我们生成了用于制作POLAR数据集所有照片的13个场景的数字孪生。具体而言，对每个场景，我们制作了与各地面及岩石相关的独立网格、纹理信息和材质属性。这使得任何拥有相机模型的人都能合成与POLAR数据集13个场景中任意场景相关的图像。实际上，可以按需生成任意多的语义标注合成图像——场景中不同位置与曝光值、不同太阳位置、有无主动照明等。本工作的益处有两方面。利用任务1的成果，可训练或测试处理月球图像的感知算法。对于任务2，可生成任意多数据以训练测试预期在月球条件下工作的AI算法。本工作所有成果均发布于公共仓库，可自由使用和分发。