NavINST

NavINST数据集是由加拿大女王大学电气与计算机工程系开发的，包含多种传感器数据，适用于高精度定位、导航、地图绘制和传感器融合研究。该数据集在城市和具有挑战性的室内环境中收集，具有丰富的多模态传感器数据，非常适合开发自主车辆算法。

搜集汇总

数据集介绍

构建方式

NavINST数据集的构建涉及在加拿大金斯敦和卡尔加里两个城市的城市环境中，沿着各种道路测试轨迹收集多传感器数据。数据收集过程中，使用了多台商用级IMU（包括一台高端战术级IMU）和一系列感知传感器，如固态LiDAR、机械LiDAR、四个电子扫描RADAR、单目相机和两个立体相机。此外，数据集还包括从车辆里程表获得的正向速度测量，以及高精度GNSS/IMU数据的后处理，提供了精确的地面真实定位和导航信息。数据收集平台采用机器人操作系统（ROS）进行集成，确保了数据的一致性和同步性。

特点

NavINST数据集的特点在于其多传感器数据的丰富性和多样性。它不仅包括了多种IMU、GNSS数据、多种类型的LiDAR和RADAR数据，还包括了在白天和夜晚条件下收集的轨迹数据，以及室内车库场景的3D地图。这些数据为研究高精度定位、导航、地图构建和多传感器融合提供了理想的环境。此外，数据集完全集成在ROS中，便于研究和开发人员使用。

使用方法

NavINST数据集的使用主要面向研究高精度定位、导航、地图构建和多传感器融合的算法。数据集以ROS bag文件的形式组织，每个传感器数据都存储在特定的主题下。用户可以根据需要下载感兴趣的bag文件，并使用ROS工具进行数据处理和分析。为了便于使用，数据集还提供了校准文件和MATLAB项目，以及用于启动传感器和记录数据的ROS启动文件。

背景与挑战

背景概述

在自动驾驶、机器人技术和计算机视觉领域，高精度定位和导航系统的研究是推动自动驾驶汽车技术发展的关键。为了支持这一领域的研究，NavINST实验室开发了一个名为NavINST的多传感器数据集。该数据集由Paulo Ricardo Marques de Araujo等人于2025年2月发布，收集了在加拿大金斯敦和卡尔加里约80公里的城市和环境中，具有不同光照条件的多种道路测试轨迹的数据。数据集包括多个商业级IMU和一个高端战术级IMU，以及一系列基于感知的传感器，如固态LiDAR、机械LiDAR、四个电子扫描雷达、一个单目摄像头和两个立体摄像头。此外，它还包括从车辆的里程表得出的前进速度测量值，以及经过后处理的精确高端GNSS/IMU数据，提供了精确的地面真实定位和导航信息。NavINST数据集旨在支持高精度定位、导航、地图绘制、计算机视觉和多传感器融合的先进研究。它为开发和完善自动驾驶汽车的鲁棒算法提供了丰富的多传感器数据。NavINST数据集完全与机器人操作系统(ROS)集成，确保了研究和开发人员的易用性和可访问性。

当前挑战

NavINST数据集面临的挑战主要包括两个方面：解决领域问题的挑战和构建过程中的挑战。首先，在解决领域问题方面，该数据集旨在支持高精度定位、导航、地图绘制、计算机视觉和多传感器融合的研究。这要求数据集能够提供精确的地面真实定位和导航信息，以便研究人员能够开发和测试新的算法。其次，在构建过程中，数据集的收集和整合涉及多个传感器和复杂的软件架构。这需要确保传感器数据的时间同步和校准，以及数据的存储和组织。此外，由于数据集包含大量数据，因此需要提供有效的工具和接口，以便研究人员可以轻松地访问和使用数据。为了应对这些挑战，NavINST数据集采用了ROS作为数据记录和同步的框架，并提供了详细的文档和工具，以便研究人员可以轻松地使用数据。此外，数据集还提供了不同级别的IMU数据，以便研究人员可以探索和比较不同IMU的性能。这些努力旨在确保NavINST数据集能够为自动驾驶汽车领域的研究提供高质量的数据资源。

常用场景

经典使用场景

NavINST数据集是专为多传感器自主导航研究而设计的，它包含了多种商业级IMU和高端战术级IMU的数据，以及固态LiDAR、机械LiDAR、电子扫描雷达、单目相机和立体相机等多种感知传感器。该数据集提供了丰富的多传感器数据，适合用于开发和验证自动驾驶车辆中鲁棒的算法。NavINST数据集被广泛应用于高精度定位、导航、地图绘制和计算机视觉等领域，是自动驾驶领域研究的重要资源。

衍生相关工作

NavINST数据集衍生了许多相关的研究工作，例如使用固态LiDAR进行定位和导航、使用雷达进行车辆速度估计等。此外，NavINST数据集还推动了多传感器融合技术在自动驾驶领域的应用，为自动驾驶车辆的研究提供了新的思路和方法。

数据集最近研究

最新研究方向

在自动驾驶技术快速发展的背景下，NavINST数据集为高精度定位、导航、地图绘制和多传感器融合领域的研究提供了丰富的多模态传感器数据。该数据集的最新研究方向主要集中在利用其多样化的传感器配置，如固态激光雷达和四个电子扫描雷达，来开发鲁棒的算法，以实现自主车辆在不同环境下的无缝操作。此外，数据集还支持对高精度GNSS/IMU数据的研究，这对于在GNSS挑战环境中实现精确的定位至关重要。NavINST数据集的完整性和与ROS的集成使其成为研究和开发自主系统导航算法的宝贵资源。

相关研究论文

• The NavINST Dataset for Multi-Sensor Autonomous Navigation

  加拿大女王大学电气与计算机工程系 · 2025年