TAIL：面向可变形颗粒环境中机器人运动的 Terrain-Aware 多模态 SLAM 数据集

Terrain-aware 感知有望提高野外自主机器人导航的鲁棒性和准确性，从而促进有效的越野通行。然而，跨不同运动模式缺乏多模态感知阻碍了同时定位与建图（SLAM）的解决，特别是在面对复杂地形中的非几何危险时。在本文中，我们首先提出了一个针对可变形和沙质地形定制的 Terrain-Aware 多模态（TAIL）数据集。它结合了各种类型的机器人本体感知和独特的地面交互，用于多传感器融合 SLAM 的独特挑战与基准测试。多功能传感器套件包括双目帧相机、多个指向地面的 RGB-D 相机、一个旋转 3D LiDAR、一个 IMU 和一个 RTK 设备。该套件是硬件同步、校准良好且自包含的。利用轮式和四足运动，我们高效地收集了综合序列以捕获丰富的非结构化场景。它涵盖了范围、地形交互、场景变化、地面属性和动态机器人特征等方面。我们对几种最先进的 SLAM 方法进行了真值基准测试，并提供了性能验证。还报告了相应的挑战和局限性。所有相关资源可应请求在 \url{https://tailrobot.github.io/} 获取。