NAVER LABS Indoor dataset

这些数据集是在真实的百货商店环境中获得的，包含数百个动态对象，如人类。详细解释请参考NAVER LABS网站。

These datasets were acquired in a real department store environment, containing hundreds of dynamic objects such as humans. For detailed explanations, please refer to the NAVER LABS website.

原始信息汇总

NAVER LABS Indoor dataset - LiDAR API

数据集描述

• 环境类型：复杂室内环境，位于真实的百货商店中。
• 动态对象：包含数百个动态对象，如人类。
• 数据下载：数据集可通过此链接下载，但请注意，HD Map & Localization Dataset的请求仅对韩国的研究人员和组织开放。

数据格式

• 文件结构：

  data_path (/nvlabs/abs_dir in launch/lidar_publisher.launch file) ├── images ├── pointclouds_data ├── camera_parameters.txt ├── groundtruth.hdf5 └── map.pcd

• 数据加载示例： cpp // 加载第i个点云数据 pcl::PointCloud<PointType>::Ptr srcCloud(new pcl::PointCloud<PointType>); *srcCloud = *loader.cloud(i);

  // 加载第i个位姿 Eigen::Matrix4f pose = loader.pose(i);

如何运行

• 构建与启动： bash $ catkin build naverlabs_api $ roslaunch naverlabs_api lidar_publisher.launch

• 激光雷达模式选择：用户可以在lidar0、lidar1和both三种模式中选择。

应用

• 动态对象处理：可以使用ERASOR工具移除动态对象的痕迹。
• 应用效果对比：
  • 应用前：显示动态对象的痕迹。
  • 应用后：动态对象的痕迹被移除。

搜集汇总

数据集介绍

构建方式

NAVER LABS Indoor数据集构建于真实的商场环境中，旨在捕捉复杂室内场景中的动态对象。数据采集过程中，使用了LiDAR传感器和相机设备，记录了包括点云数据、图像数据以及相机参数等多种信息。数据集的构建不仅考虑了静态环境，还特别关注了数百个动态对象（如行人）的移动轨迹，从而为室内定位和导航研究提供了丰富的实验素材。

特点

该数据集的特点在于其高度复杂的室内环境，包含了大量动态对象的移动轨迹，尤其是行人的行为模式。数据集提供了详细的点云数据和相机参数，能够支持高精度的室内定位和导航研究。此外，数据集还包含了地面真值数据（groundtruth.hdf5）和地图数据（map.pcd），为算法的验证和评估提供了坚实的基础。

使用方法

使用NAVER LABS Indoor数据集时，用户可以通过提供的API轻松加载点云数据和对应的姿态信息。数据集的使用流程包括构建ROS环境、加载LiDAR数据以及选择不同的LiDAR模式（如`lidar0`、`lidar1`或`both`）。用户还可以通过ERASOR工具消除动态对象的轨迹，从而获得更干净的静态环境数据。具体的使用方法可以参考数据集提供的C++代码示例和ROS启动文件。

背景与挑战

背景概述

NAVER LABS Indoor数据集由NAVER LABS团队于2021年发布，旨在为复杂室内环境中的大规模定位研究提供支持。该数据集采集自真实的百货商店环境，包含数百个动态物体（如行人），并通过LiDAR和相机等多模态传感器获取数据。其核心研究问题聚焦于如何在拥挤的室内空间中实现高精度的定位与地图构建。该数据集的发布为室内定位、动态物体去除以及SLAM（同步定位与地图构建）等领域的研究提供了重要的基准数据，推动了相关技术的进步。

当前挑战

NAVER LABS Indoor数据集在解决复杂室内环境中的定位问题时面临多重挑战。首先，由于环境中存在大量动态物体（如行人），如何有效去除这些干扰并提取稳定的静态场景信息成为关键难题。其次，数据集的构建过程涉及多模态传感器数据的同步与融合，这对数据采集设备的时间同步精度和数据处理算法提出了极高要求。此外，数据解析与使用的复杂性也增加了研究人员的上手难度，尽管提供了示例代码，但仍需深入理解LiDAR点云和相机数据的处理流程。这些挑战共同构成了该数据集在应用与研究中的主要难点。

常用场景

经典使用场景

NAVER LABS Indoor dataset 主要用于复杂室内环境下的定位与地图构建研究。该数据集在真实的商场环境中采集，包含大量动态物体（如行人）的干扰，为研究人员提供了一个极具挑战性的测试平台。通过该数据集，研究者可以开发和验证在拥挤室内空间中的高精度定位算法，尤其是在动态物体频繁移动的场景下。

解决学术问题

该数据集解决了在复杂室内环境中进行高精度定位的难题。传统的定位算法在动态物体干扰下表现不佳，而该数据集通过提供包含大量动态物体的真实场景数据，帮助研究者开发鲁棒的定位算法。这些算法能够有效过滤动态物体的干扰，提升定位精度，为室内导航、机器人自主移动等领域提供了重要的技术支持。

衍生相关工作

基于 NAVER LABS Indoor dataset，研究者们开发了多项经典工作。例如，ERASOR 算法通过该数据集实现了动态物体轨迹的消除，显著提升了定位精度。此外，该数据集还催生了一系列关于室内定位、动态物体检测与过滤的研究，推动了相关领域的技术进步。这些工作不仅验证了数据集的实用性，也为未来的研究提供了宝贵的参考。