Multi Camera Underwater Visual Inertial Dataset

这是一个包含多种传感器（主要是5个摄像头和IMU）的水下数据集，用于视觉惯性方法和在多种折射介质间转换的数据。数据集包括24个轨迹，具有不同的运动模式和光照条件，并提供了不同介质（空气和水）的轨迹。

This is an underwater dataset comprising multiple sensors, primarily five cameras and an IMU (Inertial Measurement Unit), designed for visual-inertial methods and data transformation across various refractive media. The dataset includes 24 trajectories with diverse motion patterns and lighting conditions, offering trajectories in different media (air and water).

原始信息汇总

数据集概述

数据集名称

Multi Camera Underwater Visual Inertial Dataset

数据集描述

这是一个水下数据集，包含多种传感器数据，主要包括5个摄像头和IMU（使用Alphasense Core Research Developent Kit）、压力传感器以及ROV的执行器命令。数据集共收集了24个轨迹，具有以下特点：

• 4种运动模式，长度为100-120米
• 外部光照强度范围从100到700勒克斯
• 船上光照强度分为3个渐进级别

此外，数据集还提供了不同介质（空气和水）中的轨迹。

数据集更新

• 2024年5月27日：为子集3添加了去除伪影的Mocap文件（.tum格式）。
• 2024年4月7日：添加了6个轨迹（2种光照条件 x 3种运动模式），包含来自动作捕捉的逐段连续地面实况。
• 2023年11月29日：上传了包含多摄像头IMU系统的水下数据集，用于水下VIO和摄像头模型。

数据集内容

子集1：运动模式

包含24个轨迹，具有4种运动模式和不同的光照条件。每个轨迹包含以下数据：

• 摄像头数据：20Hz，分辨率540p*720p，格式Mono8
• IMU数据：200Hz，与摄像头同步
• 压力传感器数据：50Hz
• 执行器输出PWM：50Hz

子集2：不同介质中的轨迹

包含6个轨迹，介质包括空气和水。

子集3：包含地面实况的动作捕捉轨迹

包含多个轨迹，每个轨迹包含地面实况数据。

摄像头和IMU校准

摄像头使用Kalibr工具箱进行校准，提供了每个摄像头的内参和外参数据。

引用信息

使用此数据集的研究应引用相关出版物。

联系方式

数据集的联系人为Mohit Singh、Mihir Dharmadhikari和Kostas Alexis。

搜集汇总

数据集介绍

构建方式

该数据集通过在一个室内设施中驾驶遥控潜水器（ROV）进行采集，使用了多种传感器，包括5个摄像头、惯性测量单元（IMU）、压力传感器以及执行器命令。数据集涵盖了24条轨迹，每条轨迹具有不同的运动模式和光照条件，光照范围从100到700 lux，并提供了不同介质（空气和水）下的轨迹数据。此外，数据集还包括了通过运动捕捉系统获取的地面真实数据，以增强数据集的准确性和多样性。

使用方法

数据集以ROS bag格式提供，用户可以通过ROS工具进行数据读取和处理。每个轨迹文件包含了摄像头数据、IMU数据、压力传感器数据和执行器命令，用户可以根据需要提取和分析这些数据。此外，数据集还提供了相机内参和外参的校准文件，用户可以利用这些文件进行相机校准和数据融合。为了方便使用，数据集还提供了详细的轨迹信息和光照条件说明，用户可以根据这些信息选择合适的轨迹进行研究。

背景与挑战

背景概述

Multi Camera Underwater Visual Inertial Dataset（多相机水下视觉惯性数据集）由挪威科技大学（NTNU）的Cybernetics实验室于2023年创建，主要研究人员包括Mohit Singh、Mihir Dharmadhikari和Kostas Alexis。该数据集旨在解决水下机器人视觉惯性里程计（VIO）和相机模型校准的核心研究问题。通过收集多种传感器数据，包括5个相机、惯性测量单元（IMU）、压力传感器以及执行器命令，数据集提供了24条轨迹，涵盖不同的运动模式和光照条件。该数据集的发布对水下机器人导航、定位和环境感知等领域具有重要影响，为研究人员提供了丰富的实验数据，推动了水下机器人技术的进一步发展。

当前挑战

该数据集面临的挑战主要包括：1) 水下环境的复杂性，如光照变化、介质变化（空气与水）以及运动模式的多样性，这些因素增加了数据处理的难度；2) 多传感器数据的时间同步与校准，尤其是相机与IMU的同步，确保数据的一致性和准确性；3) 水下环境的特殊性导致图像质量下降，如光线折射和散射，这对视觉算法的鲁棒性提出了更高的要求。此外，数据集的构建过程中还需克服传感器漂移、噪声干扰等问题，以确保数据的可靠性和实用性。

常用场景

经典使用场景

Multi Camera Underwater Visual Inertial Dataset（多相机水下视觉惯性数据集）在机器人学和水下导航领域中具有广泛的应用。该数据集通过集成多个传感器，包括5个摄像头、惯性测量单元（IMU）、压力传感器以及执行器命令，为研究者提供了丰富的水下环境数据。其经典使用场景包括水下视觉惯性里程计（VIO）的开发与验证，以及多相机系统的标定和性能评估。通过模拟不同的光照条件和运动模式，该数据集为研究者提供了在复杂水下环境中进行算法测试和优化的理想平台。

解决学术问题

该数据集解决了水下机器人导航中的多个关键学术问题，特别是在视觉惯性融合和多传感器数据同步方面。水下环境的特殊性，如光线衰减和多路径效应，使得传统的视觉和惯性传感器数据处理方法面临挑战。通过提供多光照条件和不同介质（空气与水）的数据，该数据集帮助研究者开发和验证能够适应复杂水下环境的算法，从而推动水下机器人导航技术的发展。此外，数据集中的运动捕捉地面实况数据为算法的精度和鲁棒性提供了基准测试。

实际应用

在实际应用中，Multi Camera Underwater Visual Inertial Dataset为水下机器人和自主水下车辆（AUV）的开发提供了宝贵的数据支持。例如，该数据集可用于训练和验证水下视觉惯性导航系统（VINS），以提高水下机器人在低能见度环境中的定位和导航能力。此外，数据集中的多相机系统数据可用于开发水下目标识别和跟踪算法，这对于海洋资源勘探、环境监测和搜救任务具有重要意义。通过模拟不同的光照和运动条件，该数据集还为水下机器人操作员提供了培训和模拟环境。

数据集最近研究

最新研究方向

在海洋工程与机器人技术的交叉领域，Multi Camera Underwater Visual Inertial Dataset 数据集的最新研究方向主要集中在水下视觉惯性导航系统（VIO）的精确校准与性能优化。该数据集通过多摄像头与惯性测量单元（IMU）的协同工作，提供了丰富的水下运动模式与光照条件数据，为研究者提供了深入探索水下机器人自主导航与定位技术的宝贵资源。近期研究热点包括水下相机模型的自校准技术、多传感器融合算法以及在不同介质（如空气与水）中的性能对比分析。这些研究不仅推动了水下机器人技术的进步，也为海洋资源勘探、环境监测等领域提供了重要的技术支持。