Multimodal Dataset for Indoor Radio Mapping with 3D Point Clouds and RSSI

该数据集整合了高分辨率3D激光扫描仪捕获的室内环境点云数据与在20种不同的接入点配置下收集的Wi-Fi接收信号强度指示器（RSSI）测量数据。数据集捕获了两种测量场景：一种是在环境中没有人的情况下，另一种是在有人存在的情况下。因此，该数据集支持研究无线信号传播的动态环境效应。该资源旨在促进基于数据驱动的无线建模研究，特别是在新兴高频标准（如IEEE 802.11be（Wi-Fi 7））的背景下，旨在推进鲁棒、高容量室内通信的发展。This dataset integrates point cloud data of indoor environments captured by high-resolution 3D laser scanners and Wi-Fi Received Signal Strength Indicator (RSSI) measurements collected under 20 different access point configurations. The dataset contains two measurement scenarios: one with no human occupants in the environment, and the other with human occupants present. As such, this dataset enables research on the dynamic environmental effects of wireless signal propagation. This resource aims to facilitate data-driven wireless modeling research, particularly in the context of emerging high-frequency standards such as IEEE 802.11be (Wi-Fi 7), with the goal of advancing the development of robust, high-capacity indoor communications.

搜集汇总

数据集介绍

构建方式

在室内无线通信研究领域，该数据集通过融合高分辨率三维激光雷达扫描与Wi-Fi信号强度指标测量构建而成。数据采集采用多传感器协同方案，在办公区域部署Livox Avia激光雷达以获取精细空间结构，走廊区域则结合Velodyne VLP-16设备实现全景覆盖。信号测量通过商用Wi-Fi接入点和智能手机在53个网格点系统采集，涵盖20种接入点配置场景，并特别设置无人环境与7-10人活动场景以捕捉动态传播特性。

特点

该数据集的核心价值在于其多模态特性与真实环境还原度。三维点云数据以亚厘米级精度呈现室内几何结构，包含家具布局与建筑细节等关键传播影响因素。信号数据囊括2.4GHz频段在不同空间配置下的接收强度，特别揭示了人体遮挡导致的信号衰减规律与天线辐射模式特征。数据集通过标准化HDF5与CSV格式存储，配备开源处理工具链，支持点云配准与信号可视化等操作。

使用方法

研究者可借助配套工具箱实现三维环境建模与信号传播分析。点云数据可通过Open3D库进行空间配准与区域裁剪，构建适用于射线追踪仿真的几何模型。信号数据支持矩阵化操作，能够直接输入机器学习算法训练无线电环境地图预测模型。特别适用于研究多径效应、障碍物遮挡等复杂传播现象，为Wi-Fi 7等高频通信系统的部署优化提供实证基础。

背景与挑战

背景概述

随着带宽密集型与延迟敏感型智能设备的普及，室内无线通信的可靠性成为关键研究课题。该数据集由Jozef Stefan研究所与Shibaura Institute of Technology于2024年联合发布，旨在通过融合高分辨率3D激光雷达点云与Wi-Fi信号强度指标，构建精确的室内无线电环境地图。其核心研究聚焦于复杂空间结构下信号传播的动态建模，为Wi-Fi 7等新兴高频通信标准的网络优化提供数据支撑，推动扩展现实等前沿应用的部署实践。

当前挑战

在解决室内无线电地图构建问题时，需克服多径效应、人体遮挡及建筑材料衰减等复杂传播干扰；数据采集过程中面临三维点云与信号测量的时空对齐难题，且动态环境中人类活动会引入不可控变量。此外，现有仿真工具难以复现真实场景的电磁特性，而基于机器学习的建模方法又受限于高质量多模态训练数据的稀缺性。

常用场景

经典使用场景

在室内无线通信研究领域，该数据集通过融合高分辨率3D激光雷达点云与Wi-Fi信号强度测量值，为构建精确的无线电环境地图提供了关键数据支撑。其经典应用场景包括分析复杂室内结构对信号传播的影响，例如墙壁遮挡、家具布局及动态人体干扰等因素，为优化接入点部署策略提供实证基础。

解决学术问题

该数据集有效解决了室内无线电传播建模中环境动态性难以量化的问题，通过对比无人与有人场景下的信号衰减差异，揭示了人体活动对高频信号的多径效应与吸收特性。其意义在于突破了传统射线追踪模型对静态假设的依赖，为机器学习方法提供了真实环境下的训练数据，推动了IEEE 802.11be等新兴标准在复杂室内场景中的适应性研究。

衍生相关工作

基于此数据集衍生的经典研究包括生成式人工智能在无线电地图构建中的应用，如扩散模型Radiodiff实现了动态信号场的无采样重建；图神经网络RadioGAT通过注意力机制学习空间拓扑与传播规律；此外，大型语言模型代理被用于自动化网络规划，推动了数据驱动无线建模范式的演进。