Pohang Canal Dataset

该数据集旨在促进限制水域中的自主导航，包含使用多种感知和导航传感器（如立体相机、红外相机、全方位相机、三个激光雷达、海洋雷达、全球定位系统和姿态航向参考系统）获取的测量数据。数据收集于韩国浦项市的一条7.5公里长的路线，包括狭窄的运河、内港和外港以及近海区域，并在多样的天气和视觉条件下进行。

This dataset is designed to facilitate autonomous navigation in confined waters. It contains measurement data collected using a variety of perception and navigation sensors, including stereo cameras, infrared cameras, omnidirectional cameras, three LiDARs, marine radar, Global Positioning System (GPS), and Attitude and Heading Reference System (AHRS). The data was collected along a 7.5-kilometer-long route in Pohang, South Korea, which covers narrow canals, inner harbors, outer harbors, and nearshore areas, and the data collection was conducted under diverse weather and visual conditions.

搜集汇总

数据集介绍

构建方式

在受限水域自主导航研究领域，数据采集的全面性与真实性至关重要。Pohang Canal Dataset的构建依托于一套精密的传感器阵列，包括立体相机、红外相机、全景相机、三台激光雷达、航海雷达、全球定位系统以及姿态航向参考系统。数据采集沿韩国浦项一条7.5公里长的航线进行，覆盖狭窄运河、内外港口及近岸区域，并在多样化的天气与视觉条件下完成。通过三台同步计算机模块，实现了多传感器数据的高效记录与时间同步，确保了数据流的完整性与一致性。

使用方法

为促进海事自主导航系统的研发，该数据集提供了结构化的数据组织方式与配套工具。所有传感器数据均按时间戳对齐并分文件夹存储，便于按需读取。研究者可利用提供的标定文件进行传感器间的坐标转换，并基于基准轨迹验证定位与建图算法。数据集还提供了适用于ROS环境的数据播放器，能够复现数据采集时的多传感器同步数据流，支持实时算法测试与离线分析。该资源可广泛应用于障碍物检测、多传感器融合、同步定位与建图以及船舶行为预测等研究任务。

背景与挑战

背景概述

随着自主车辆技术的飞速发展，海上自主导航逐渐成为研究热点。然而，与陆地自动驾驶领域相比，海上环境真实数据集的匮乏严重制约了相关算法的验证与优化。在此背景下，韩国科学技术院的研究团队于2023年公开了浦项运河数据集，旨在为受限水域中的自主水面航行器提供多模态感知与导航数据支持。该数据集采集于韩国浦项一条长达7.5公里的航线，涵盖狭窄运河、内外港口及近海区域，并集成了立体相机、红外相机、全景相机、激光雷达、海洋雷达、全球定位系统及姿态航向参考系统等多种传感器数据。这一综合性数据资源的发布，为海上多传感器融合、环境感知与自主导航等关键研究方向提供了重要的实验基础，推动了该领域从纯视觉分析向全栈系统开发的演进。

当前挑战

浦项运河数据集致力于解决海上自主导航在受限水域中面临的复杂挑战，其核心问题在于实现高精度环境感知与鲁棒路径规划。具体而言，狭窄运河与港口区域存在动态障碍物密集、航道结构复杂、GPS信号受遮挡等问题，对实时目标检测、碰撞规避与精确定位提出了极高要求。在数据集构建过程中，研究团队亦面临多重技术难题：多传感器时间同步与空间标定需克服硬件异构性与数据异步性；激光雷达在开阔水面特征稀疏场景下的点云质量保障，要求改进特征提取算法以应对水面吸光导致的信号衰减；此外，数据采集需适应多样天气与光照条件，确保数据集的泛化能力，同时处理雷达在近岸区域的信号噪声与遮挡，这些挑战共同塑造了数据集的独特价值与应用边界。

常用场景

经典使用场景

在受限水域自主导航研究领域，浦项运河数据集为多传感器融合算法提供了理想的验证平台。该数据集通过集成立体相机、红外相机、全向相机、激光雷达、航海雷达及高精度定位系统，构建了涵盖狭窄运河、内外港口及近岸海域的完整感知体系。研究者可基于同步采集的多模态数据，开发适用于复杂水道环境的自主导航系统，特别是在能见度受限或夜间条件下，红外与雷达数据的互补性为感知鲁棒性研究奠定了坚实基础。

解决学术问题

该数据集有效解决了海事自主导航领域长期存在的多源异构数据稀缺问题。传统海事数据集多聚焦于视觉目标检测，缺乏同步的导航与感知数据，难以支撑完整的自主系统研发。浦项运河数据集通过提供精确时空对齐的多传感器数据流，使研究者能够深入探索激光雷达点云与视觉信息的融合机制、雷达在远距离目标检测中的优势，以及在桥梁遮挡环境下基于惯性导航与激光雷达的定位补偿方法，显著推动了受限水域环境感知与状态估计的理论发展。

实际应用

在实际应用层面，该数据集为港口自动化运营、内河航道智能监管及无人水面艇工程验证提供了关键数据支撑。基于数据集训练的感知模型可应用于船舶靠泊辅助系统，通过融合激光雷达与视觉数据实现厘米级障碍物检测；雷达与红外数据的结合则能提升雾天或夜间航行的态势感知能力。此外，数据集涵盖的多种天气与光照条件，为实际部署系统的适应性测试提供了丰富场景，加速了自主导航技术从实验室向真实水域的转化进程。

数据集最近研究

最新研究方向

随着自主水面载具（ASV）在受限水域导航需求的日益增长，Pohang Canal Dataset作为多模态海事数据集，正推动该领域前沿研究向多传感器融合与鲁棒感知方向深化。当前研究热点聚焦于利用该数据集中的立体相机、红外相机、激光雷达及海洋雷达等多源异构数据，开发在复杂海况与低能见度环境下的高精度障碍物检测、动态目标跟踪及自主避障算法。同时，数据集涵盖的狭窄运河、港口及近岸区域场景，为SLAM（同步定位与建图）技术在动态水域环境中的适应性优化提供了关键验证平台，尤其在桥梁遮挡等GPS受限条件下的鲁棒定位研究备受关注。这些进展不仅提升了ASV在真实海事环境中的操作安全性，也为智能航运系统的标准化与商业化部署奠定了数据基础。

相关研究论文

• Pohang Canal Dataset: A Multimodal Maritime Dataset for Autonomous Navigation in Restricted Waters

  · 2023年