RTK-EVC Dataset

RTK-EVC的实验数据集可以在Onedrive或BaiduCloud上下载。实验在中国北京清华大学和中关村附近进行，涵盖了多个GNSS挑战场景。使用了IMU-ISA-100C和Inertial Explorer来获取地面真实数据。

The experimental dataset of RTK-EVC can be downloaded via OneDrive or BaiduCloud. The experiments were conducted near Tsinghua University and Zhongguancun in Beijing, China, covering multiple GNSS challenging scenarios. IMU-ISA-100C and Inertial Explorer were utilized to acquire the ground truth data.

原始信息汇总

RTK-EVC 数据集概述

数据集简介

RTK-EVC 数据集是一个用于实时动态定位（RTK）的实验数据集，结合了增强速度约束（EVC）和因子图优化（Factor Graph Optimization）技术，适用于GNSS信号受限的环境。该数据集旨在支持在复杂环境中进行高精度的定位研究。

数据集内容

• 实验地点：数据集采集于中国北京，主要围绕清华大学和中关村地区，涵盖了多种GNSS信号受限的场景。
• 数据采集设备：使用了IMU-ISA-100C和Inertial Explorer设备获取地面真实数据（ground truth）。
• 数据集获取方式：数据集可以通过Onedrive或百度云盘下载。

数据集使用要求

• 操作系统：推荐使用Ubuntu 20.04，并确保使用最新的编译器。
• 依赖库：
  • Eigen3（推荐版本3.3.7）
  • Ceres Solver（推荐版本2.1.0）
• 配置修改：在使用数据集前，需在src/global/global.cpp中修改数据集路径和配置文件路径，并在src/main.cpp中修改日志路径。

数据集下载链接

• Onedrive
• 百度云盘

数据集使用步骤

1. 克隆仓库： bash git clone https://github.com/zhaoqj23/RTK-EVC.git

2. 构建库： bash cd ~/RTK-EVC mkdir build && cd build cmake .. make -j8

3. 运行示例： bash cd ~/RTK-EVC ./bin/RTK-EVC

搜集汇总

数据集介绍

构建方式

RTK-EVC数据集的构建依托于实时动态定位技术（RTK）与增强速度约束（EVC）的结合，通过因子图优化在GNSS信号受限的环境中进行高精度定位。数据集采集于中国北京清华大学及中关村周边，涵盖了多种GNSS信号受限的场景。实验过程中，采用IMU-ISA-100C惯性测量单元和Inertial Explorer软件获取地面真值数据，确保了数据的高精度与可靠性。

特点

RTK-EVC数据集的特点在于其专注于GNSS信号受限环境下的定位精度提升。通过引入增强速度约束，结合因子图优化方法，显著提高了定位的鲁棒性与准确性。数据集包含多种复杂场景下的实验数据，能够有效支持GNSS信号受限环境下的定位算法研究与验证。此外，数据集提供了详细的实验配置与地面真值数据，为研究者提供了丰富的实验基础。

使用方法

RTK-EVC数据集的使用需在Ubuntu 20.04环境下进行，推荐使用最新版本的编译器。用户需安装Eigen3和Ceres Solver依赖库，并修改源代码中的数据集路径与配置文件路径。通过克隆GitHub仓库并下载数据集，用户可构建并运行RTK-EVC库。实验数据可通过OneDrive或百度云获取，运行示例程序后，用户可基于数据集进行定位算法的验证与优化。

背景与挑战

背景概述

RTK-EVC数据集是由清华大学的研究团队开发的一个专注于实时动态定位（RTK）技术的数据集，旨在通过增强速度约束和因子图优化技术，解决在GNSS信号受限环境下的高精度定位问题。该数据集创建于2023年，主要研究人员为赵强及其团队。数据集的核心研究问题在于如何在复杂的城市环境中，如高楼林立或信号遮挡严重的区域，实现高精度的实时定位。RTK-EVC数据集的发布为GNSS定位领域的研究提供了重要的实验数据支持，推动了因子图优化技术在定位算法中的应用。

当前挑战

RTK-EVC数据集面临的挑战主要体现在两个方面。首先，在GNSS信号受限的环境中，如城市峡谷或多路径效应严重的区域，传统的RTK定位技术难以保证高精度和稳定性。RTK-EVC通过引入增强速度约束和因子图优化技术，试图解决这一问题，但仍需应对复杂环境下的信号干扰和定位漂移。其次，在数据集的构建过程中，研究人员需要在高动态环境下采集高精度的地面真值数据，这对传感器的精度和数据处理能力提出了极高的要求。此外，如何在多源数据融合中保持算法的实时性和鲁棒性，也是数据集构建中的一大挑战。

常用场景

经典使用场景

RTK-EVC数据集在实时动态定位领域具有重要应用，特别是在全球导航卫星系统（GNSS）信号受限的环境中。该数据集通过增强速度约束和因子图优化技术，为研究人员提供了一个在复杂城市环境中进行高精度定位的实验平台。经典使用场景包括城市峡谷、隧道和地下停车场等GNSS信号弱或完全缺失的区域，这些场景对定位系统的鲁棒性和精度提出了极高要求。

实际应用

RTK-EVC数据集的实际应用场景广泛，包括自动驾驶、无人机导航和智能交通系统等。在自动驾驶领域，该数据集可用于测试和优化车辆在复杂城市环境中的定位能力，确保车辆在GNSS信号受限区域仍能保持高精度导航。此外，无人机在室内或城市峡谷中的飞行导航也可借助该数据集提升定位精度和安全性。

衍生相关工作

RTK-EVC数据集衍生了一系列经典研究工作，包括基于因子图优化的多传感器融合定位算法、GNSS信号受限环境下的定位误差补偿方法等。这些研究进一步推动了高精度定位技术的发展，并为相关领域的算法优化提供了理论支持和实验验证。例如，基于该数据集的研究成果已被应用于自动驾驶和无人机导航系统的开发中，显著提升了系统的定位精度和鲁棒性。