Båtvik Seasonal Dataset

该数据集包含在芬兰沿海地区沿同一轨迹进行的六次飞行的记录，飞行时间在一年中的不同时间。图像包含显著的季节性外观变化。数据集包括无人机携带的相机图像帧、相机位置和方向信息、原始IMU数据、向下扫描的LIDAR测距仪测量值、气压计测量值以及无人机电机速度控制参考信号。

This dataset comprises records of six flights conducted along an identical trajectory over Finland’s coastal areas, with each flight taking place during distinct periods across the calendar year. The acquired images exhibit significant seasonal visual variations. This dataset encompasses camera image frames from the UAV’s onboard camera, camera pose (position and orientation) data, raw IMU measurements, downward-scanning LiDAR rangefinder readings, barometric pressure measurements, and UAV motor speed control reference signals.

原始信息汇总

Båtvik Seasonal Dataset

数据集描述

概述

• 包含六个沿相同轨迹在芬兰沿海地区飞行的记录。
• 飞行时间跨度不同季节，图像包含显著的季节性外观变化。

数据内容

• 图像帧：来自无人机搭载的相机。
• 相机位置和方向信息：在地理参考坐标系中。
• 原始IMU数据：包括加速度计和陀螺仪数据。
• 向下激光雷达测距仪测量：用于测量地面距离。
• 气压计测量：用于高度测量。
• 无人机电机速度控制参考信号：用于飞行控制。

数据质量

• 硬件配置非最优，最初图像分辨率较高，导致时间戳抖动，后调整为较低分辨率。
• 地面真实位置信息来自非RTK GPS，相机方向信息通过无人机飞行控制器EKF和相机云台旋转编码器计算，存在未量化的误差。
• 激光雷达有效范围约20米，仅在无人机上升或下降时提供有意义的测量值。

相机参数

• 图像分辨率：960x540像素。
• 畸变参数：k1, k2, p1, p2, k3。
• 投影参数：fx, fy, cx, cy, s。

引用

@article{thomas2024sosmatch, author = {Thomas, Annika and Kinnari, Jouko and Lusk, Parker and Konda, Kota and How, Jonathan}, title = {SOS-Match: Segmentation for Open-Set Robust Correspondence Search and Robot Localization in Unstructured Environments}, journal = {arXiv preprint arXiv:2401.04791}, year = {2024}, }

搜集汇总

数据集介绍

构建方式

Båtvik Seasonal Dataset的构建基于在芬兰沿海地区进行的六次飞行记录，这些飞行在不同季节进行，涵盖了显著的季节性外观变化。数据集包括无人机携带的相机拍摄的图像帧、地理参考坐标系中的相机位置和方向信息、原始IMU数据、向下扫描的激光雷达测距仪测量值以及气压计测量值。此外，还记录了无人机电机速度控制参考信号。数据集的构建过程中，由于硬件配置的限制，部分数据在初始阶段以高分辨率采集，但随后调整为较低分辨率，以减少时间戳抖动。

特点

该数据集的显著特点在于其季节性变化和多模态数据的结合。数据集不仅包含了图像数据，还整合了位置、方向、IMU、激光雷达和气压计等多源传感器数据，为研究提供了丰富的上下文信息。此外，数据集中的图像分辨率在不同飞行记录中有所不同，反映了硬件配置的调整过程。尽管存在硬件限制，数据集仍提供了高质量的图像和传感器数据，适用于多种环境下的机器人定位和对应搜索研究。

使用方法

使用Båtvik Seasonal Dataset时，首先需下载数据集并设置Python环境，确保满足`requirements.txt`中的依赖要求。数据集的读取和处理可通过`readBatvikData.py`脚本实现，该脚本从数据文件夹中读取数据并生成包含相关数据的Numpy数组字典。数据的可视化则通过`plotBatvikData.py`脚本进行，用户可以通过运行该脚本直观地探索记录的参数。此外，数据集还提供了下载正射影像的指南，以增强数据的可视化和分析能力。

背景与挑战

背景概述

Båtvik Seasonal Dataset是由Annika Thomas、Jouko Kinnari等研究人员在麻省理工学院（MIT）创建的，旨在支持其论文《SOS-Match: Segmentation for Open-Set Robust Correspondence Search and Robot Localization in Unstructured Environments》中的研究。该数据集记录了在芬兰海岸线同一轨迹上的六次飞行，分别在不同季节进行，涵盖了显著的季节性外观变化。数据集包括无人机携带的相机图像、地理参考坐标系中的相机位置和方向信息、原始IMU数据、向下激光雷达测距仪测量值和气压计测量值，以及无人机电机速度控制参考信号。这些数据对于研究开放环境中机器人定位和对应搜索的鲁棒性具有重要意义。

当前挑战

Båtvik Seasonal Dataset在构建过程中面临多项挑战。首先，硬件配置最初设计用于监控而非摄影测量，导致部分数据在高分辨率下采集时出现时间戳抖动问题。其次，地面真实位置信息来自非RTK GPS，相机方向信息通过无人机飞行控制器EKF和相机云台中的旋转编码器组合计算，存在未量化的误差。此外，激光雷达传感器仅在无人机上升或下降时提供有意义的测量值，限制了其应用范围。这些挑战使得数据集在处理和分析时需要特别注意硬件和环境因素的影响。

常用场景

经典使用场景

Båtvik Seasonal Dataset 在机器人定位和环境感知领域展现出其经典应用价值。通过分析无人机在不同季节沿同一轨迹飞行的图像数据，研究人员能够深入探讨季节变化对环境特征的影响。这种数据集特别适用于开发和验证基于视觉的机器人定位算法，尤其是在开放且非结构化的环境中。通过结合图像帧、相机位置和方向信息、IMU数据以及LIDAR测量，该数据集为研究者提供了一个全面的环境感知平台，有助于提升机器人在复杂环境中的定位精度和鲁棒性。

实际应用

在实际应用中，Båtvik Seasonal Dataset 为无人机和自主机器人系统提供了重要的数据支持。例如，在农业监测、森林管理以及环境监测等领域，季节性变化对环境特征的影响显著。通过利用该数据集，开发者可以训练和优化无人机在不同季节的飞行路径规划和环境感知能力，从而提高作业效率和安全性。此外，该数据集还可用于城市规划和灾害响应等场景，帮助机器人系统在复杂和动态的环境中实现精准定位和导航。

衍生相关工作

Båtvik Seasonal Dataset 的发布激发了众多相关研究工作。例如，基于该数据集，研究者们开发了多种多传感器融合算法，以提升机器人在季节性变化环境中的定位精度。此外，该数据集还被用于验证新的视觉SLAM（Simultaneous Localization and Mapping）算法，特别是在开放和非结构化环境中。这些衍生工作不仅推动了机器人定位技术的发展，也为其他领域的研究提供了新的思路和方法，如环境感知、路径规划和自主导航等。