PoLaRIS Dataset

PoLaRIS数据集是由仁荷大学电气与计算机工程系创建的一个用于海上目标检测和跟踪的多模态数据集，基于Pohang Canal数据集。该数据集包含约36万张图像和19万条标注，涵盖了从大到小的多尺度对象标注，特别适用于海上无人船（USV）的安全导航。数据集通过多模态传感器（如RGB、TIR、LiDAR和Radar）获取数据，并提供了详细的障碍物检测和跟踪的地面真实数据。创建过程中采用了半自动标注方法，确保了标注的准确性和效率。该数据集主要应用于复杂海上环境中的自主导航系统，旨在提高海上无人船的障碍物检测和跟踪能力，从而提升海上安全。

The PoLaRIS dataset is a multimodal dataset for maritime target detection and tracking, developed by the Department of Electrical and Computer Engineering of Inha University, and built upon the Pohang Canal Dataset. It contains approximately 360,000 images and 190,000 annotation entries, covering multi-scale object annotations ranging from large to small sizes, and is particularly suitable for safe navigation of Unmanned Surface Vehicles (USVs). The dataset collects data via multimodal sensors including RGB, TIR, LiDAR and Radar, and provides detailed ground-truth data for obstacle detection and tracking. A semi-automatic annotation methodology was adopted during its creation, ensuring the accuracy and efficiency of the annotations. This dataset is primarily applied to autonomous navigation systems in complex maritime environments, aiming to enhance the obstacle detection and tracking capabilities of USVs and thus improve maritime safety.

搜集汇总

数据集介绍

构建方式

PoLaRIS数据集的构建基于Pohang Canal数据集，涵盖了6个序列中的5个主要序列，包括白天和夜晚的场景。数据集通过多模态传感器（如RGB、TIR、LiDAR和Radar）采集数据，并采用半自动化的标注方法进行详细标注。首先，对左RGB图像进行初始标注，随后通过相机间的转换矩阵将标注映射到TIR图像，并对LiDAR和Radar数据进行点云过滤和聚类，确保多模态数据的精确对齐。此外，数据集还提供了动态对象的跟踪标注，确保了在复杂海事环境中的实用性。

使用方法

PoLaRIS数据集适用于多种海事环境下的对象检测和跟踪任务。用户可以通过数据集提供的多模态数据进行算法训练和验证，特别是在RGB、TIR、LiDAR和Radar传感器融合的场景中。数据集的标注文件结构清晰，便于用户提取和处理不同传感器的数据。此外，数据集还提供了详细的评估基准，包括mAP、MOTA和IDF1等指标，帮助用户评估和比较不同算法的性能。通过这些数据和工具，研究人员可以开发和优化适用于复杂海事环境的自主导航系统。

背景与挑战

背景概述

PoLaRIS数据集是由Inha大学的Jiwon Choi、Dongjin Cho等人于2024年推出的一个专门针对海上环境中的目标检测与跟踪的多模态数据集。该数据集的核心研究问题是如何在复杂的海上环境中，尤其是在动态障碍物和多变的照明条件下，实现无人水面车辆（USVs）的安全自主导航。PoLaRIS数据集通过整合RGB图像、热红外（TIR）图像、LiDAR和雷达数据，提供了详细的多模态标注，特别是对小至10×10像素的动态障碍物的跟踪标注。该数据集的推出填补了现有海上数据集在多模态标注和动态目标跟踪方面的空白，为海上自主导航系统的研究提供了重要的基准。

当前挑战

PoLaRIS数据集在构建过程中面临了多重挑战。首先，海上环境的复杂性，如不规则的照明条件和动态障碍物的存在，使得目标检测和跟踪变得异常困难。其次，现有的海上数据集在长距离目标检测和小尺寸目标的跟踪方面存在不足，而PoLaRIS数据集通过提供多模态标注和动态目标的跟踪数据，试图解决这一问题。此外，数据集的构建过程中还涉及到多传感器数据的融合与标注，特别是如何在低光照条件下准确标注目标，以及如何处理不同传感器之间的视场差异，这些都是构建过程中需要克服的技术难题。

常用场景

经典使用场景

PoLaRIS数据集在海上无人水面车辆（USVs）的自主导航中发挥了重要作用。其经典使用场景包括在复杂的海上环境中进行动态障碍物的检测与跟踪，尤其是在光线条件不佳或存在大量小型障碍物的情况下。通过提供多模态的标注数据，包括RGB图像、热红外（TIR）图像、激光雷达（LiDAR）和雷达（Radar）数据，该数据集为研究人员提供了丰富的信息源，以开发和验证先进的障碍物检测与跟踪算法。

解决学术问题

PoLaRIS数据集解决了海上无人水面车辆在自主导航中面临的多个学术研究问题。首先，它填补了现有数据集在动态障碍物检测与跟踪方面的不足，尤其是在低光照和远距离障碍物检测方面的挑战。其次，通过提供多模态的标注数据，该数据集为多传感器融合技术提供了可靠的基准，解决了单一传感器在复杂环境中的局限性。此外，该数据集还为小尺寸障碍物的检测与跟踪提供了详细的标注，推动了相关算法在实际应用中的性能提升。

实际应用

PoLaRIS数据集在实际应用中具有广泛的潜力，特别是在海上无人水面车辆的自主导航和避障系统中。通过提供多模态的标注数据，该数据集支持开发更精确的障碍物检测与跟踪算法，从而提高海上无人系统的安全性和可靠性。此外，该数据集还可用于训练和验证基于深度学习的模型，以应对复杂的海上环境，如低光照、波浪干扰和远距离障碍物检测等实际挑战。

数据集最近研究

最新研究方向

PoLaRIS Dataset在海洋环境中的目标检测与跟踪领域展现了前沿的研究方向。该数据集通过多模态数据（包括RGB图像、热红外图像、LiDAR和雷达数据）的整合，提供了详细的多尺度目标标注，特别是针对动态障碍物的跟踪数据，填补了现有海洋数据集在长距离和小目标检测方面的不足。其研究重点在于通过多传感器融合技术，提升无人水面车辆（USVs）在复杂海洋环境中的自主导航能力。PoLaRIS Dataset的推出不仅为海洋环境中的目标检测与跟踪算法提供了可靠的基准，还推动了多模态数据处理技术的发展，尤其是在低光照和动态障碍物检测方面的应用。未来，该数据集有望进一步扩展，涵盖更多样化的海洋场景，并引入语义级别的标注，以支持更复杂的导航和避障算法的研究。

相关研究论文

• PoLaRIS Dataset: A Maritime Object Detection and Tracking Dataset in Pohang Canal

  仁荷大学电气与计算机工程系 · 2024年