用于测试外观导航方法的新公共数据集

本研究创建了用于测试外观导航方法的新公共数据集，包含三个图像序列。每个序列由多个位置的图像组成，提供了9个图像以及它们之间的相互变换信息，这些变换包括三种横向位移和三种水平相机旋转。图像序列在室外校园环境和室内走廊环境中捕获，室外序列记录了白天和黄昏后的图像，以反映不同的光照条件。该数据集特别为外观导航的横向位移估计任务而设计，弥补了现有数据集的不足。This study presents a novel public dataset for testing appearance-based navigation methods, which includes three image sequences. Each sequence comprises images captured at multiple locations, providing nine images alongside their mutual transformation information, including three types of lateral displacements and three types of horizontal camera rotations. The image sequences are collected in outdoor campus environments and indoor corridor environments; the outdoor sequences capture images taken during both daytime and post-dusk periods to reflect varying lighting conditions. This dataset is specifically designed for the lateral displacement estimation task in appearance-based navigation, addressing the limitations of existing datasets.

搜集汇总

数据集介绍

构建方式

该数据集的构建基于视觉导航技术的需求，旨在为外观导航方法提供标准化的测试环境。数据集通过手动移动相机在金属结构上进行采集，确保了毫米级的横向位移精度和低于2度的旋转误差。采集过程中，相机在每条轨迹的多个位置上拍摄了9张图像，分别对应不同的横向位移和水平旋转角度，模拟了教学和重复阶段的视觉场景。数据集包含白天和夜晚的户外图像序列，以及室内低纹理环境的图像序列，涵盖了多种光照和场景变化。

特点

该数据集的特点在于其多样性和精确性。数据集包含了白天和夜晚的户外图像序列，以及室内低纹理环境的图像序列，能够有效测试导航系统在不同光照和场景条件下的鲁棒性。每个位置上的9张图像提供了丰富的视角变化，模拟了实际导航中的视觉变化。此外，数据集的构建确保了毫米级的横向位移精度和低于2度的旋转误差，为视觉导航算法的精确评估提供了可靠的基础。

使用方法

该数据集主要用于测试外观导航方法中的视觉位置识别和水平位移计算。研究人员可以通过该数据集评估导航系统在不同光照和场景条件下的性能。数据集中的图像序列可以用于模拟教学和重复阶段的视觉场景，帮助验证导航系统的鲁棒性和精确性。此外，数据集还提供了标准化的测试环境，便于不同算法之间的性能比较。通过该数据集，研究人员可以深入分析视觉导航算法在复杂环境中的表现，并进一步优化算法设计。

背景与挑战

背景概述

用于测试外观导航方法的新公共数据集由捷克技术大学信息学、机器人学与控制论研究所的研究团队于2025年创建，旨在为基于视觉位置识别（VPR）的导航系统提供标准化的测试平台。该数据集的核心研究问题在于解决移动机器人在均匀和可变环境中的视觉定位与导航问题，特别是在缺乏精确地图的情况下，如何通过外观导航实现稳定的自主导航。该数据集不仅支持多平台应用，还涵盖了室内外环境及昼夜变化场景，显著推动了视觉导航领域的研究进展。

当前挑战

该数据集在构建过程中面临的主要挑战包括：1) 如何在不同光照条件下保持视觉定位的稳定性，特别是在夜间或低纹理环境中；2) 如何精确捕捉图像序列以模拟真实导航场景，同时确保图像间的变换（如横向位移和水平旋转）的准确性；3) 如何设计适用于多种移动机器人平台（包括无人机）的导航系统，尤其是在缺乏精确里程计信息的情况下。此外，数据集的公开性要求其必须具有高度的可重复性和标准化，以便于不同研究团队进行公平的性能对比。

常用场景

经典使用场景

该数据集主要用于测试基于外观的导航方法，特别是在视觉地点识别（VPR）和水平位移计算方面的性能。数据集包含室内和室外环境下的图像序列，涵盖了白天和夜晚的不同光照条件，能够有效评估导航系统在不同环境下的鲁棒性和稳定性。通过该数据集，研究人员可以验证和比较不同视觉导航算法的性能，尤其是在复杂环境下的表现。

实际应用

该数据集的实际应用场景广泛，涵盖了工业自动化、无人机导航和机器人巡逻等领域。在工业环境中，基于外观的导航系统可以用于物料运输和生产线上的自动化操作。无人机导航方面，数据集支持无人机在复杂环境中的自主飞行和路径跟踪。此外，该数据集还可用于多机器人系统的协同导航，提升机器人在动态环境中的适应能力。

衍生相关工作

该数据集衍生了一系列经典工作，特别是在视觉地点识别和水平位移计算领域。基于该数据集的研究推动了SSM-Nav2系统的开发，该系统在视觉导航中表现出色，尤其是在复杂光照条件下的鲁棒性。此外，该数据集还促进了BearNav2系统的改进，进一步提升了基于外观的导航算法的精度和效率。这些工作为视觉导航技术的长期自主性和多平台应用奠定了坚实基础。