GOOSE 数据集：面向非结构化环境的感知数据集
计算机视觉与模式识别
2025-09-09 v2 机器学习
机器人学
摘要
通过改进对环境的感知与理解，可以显著提升自主系统的部署潜力。然而，针对非结构化户外环境的自主系统基于深度学习的技术开发，因用于训练和测试的数据可用性有限而面临挑战。为弥补这一缺口，我们提出了德国户外与越野数据集（GOOSE），一个专门为非结构化户外环境设计的综合数据集。GOOSE 数据集包含 10000 对标注的图像与点云，用于训练一系列在图像和点云数据上均达到最先进水平的分割模型。我们开源了该数据集，以及一套面向非结构化地形的本体，还有数据集标准与指南。该倡议旨在建立一个通用框架，使现有数据集能够无缝纳入，并为提升在非结构化环境中运行的各种机器人的感知能力提供快速途径。该数据集、用于越野感知的预训练模型以及额外文档可在 https://goose-dataset.de/ 获取。
引用
@article{arxiv.2310.16788,
title = {The GOOSE Dataset for Perception in Unstructured Environments},
author = {Peter Mortimer and Raphael Hagmanns and Miguel Granero and Thorsten Luettel and Janko Petereit and Hans-Joachim Wuensche},
journal= {arXiv preprint arXiv:2310.16788},
year = {2025}
}
备注
Accepted at ICRA 2024, Github link: https://github.com/FraunhoferIOSB/goose_dataset