Ground Mobile Robot Perception Dataset

这是一个用于地面移动机器人（如清扫机器人和电动轮椅）的可行驶区域和道路异常分割的RGB-D数据集。数据集包含3896张带有手工标注分割真值的RGB-D图像，覆盖了30个地面移动机器人通常工作的常见场景（如人行道和广场）以及18种地面移动机器人在实际环境中可能遇到的不同类型的道路异常。

This is an RGB-D dataset designed for drivable area and road anomaly segmentation for ground mobile robots, such as cleaning robots and electric wheelchairs. The dataset comprises 3,896 RGB-D images with manually annotated segmentation ground truths, covering 30 common scenarios where ground mobile robots typically operate (e.g., sidewalks and plazas) and 18 different types of road anomalies that ground mobile robots may encounter in real-world environments.

原始信息汇总

Ground Mobile Robot Perception Dataset 概述

数据集描述

• 类型：RGB-D 数据集
• 用途：用于地面移动机器人（如清扫机器人和机器人轮椅）的可行驶区域和道路异常分割
• 内容：包含3896张RGB-D图像，带有手工标注的分割地面实况
• 场景覆盖：涵盖30个常见场景，如人行道和广场
• 异常类型：包含18种不同类型的道路异常，这些异常是地面移动机器人在实际环境中可能遇到的

数据集结构

• 图像存储：
  • RGB图像存储于 rgb 目录
  • 归一化深度图像存储于 depth_u8 目录
  • 原始深度图像存储于 depth_u16 目录
  • 分割标签存储于 label 目录
• 图像分辨率：1280 x 720 像素
• 图像处理建议：由于RealSense D415相机采集的深度图像两侧存在无效像素，建议使用前进行裁剪

数据集下载

• 下载链接：可通过Google Drive或Lab NAS下载完整数据集

引用信息

• 引用要求：如在出版物中使用此数据集，请引用以下论文：
  • Wang, Hengli, et al. "Dynamic fusion module evolves drivable area and road anomaly detection: A benchmark and algorithms." IEEE Transactions on Cybernetics (2021).
  • Wang, Hengli, et al. "Self-supervised drivable area and road anomaly segmentation using RGB-D data for robotic wheelchairs." IEEE Robotics and Automation Letters (2019).

搜集汇总

数据集介绍

构建方式

Ground Mobile Robot Perception Dataset的构建基于地面移动机器人（如扫地机器人和机器人轮椅）在实际环境中的感知需求。该数据集包含3896张RGB-D图像，涵盖了30种常见场景和18种不同类型的道路异常。这些图像通过RealSense D415相机采集，并经过手工标注，生成了精确的分割标签。数据集的构建过程中，特别考虑了深度图像两侧无效像素的问题，建议在使用前进行裁剪。

特点

该数据集的特点在于其丰富的场景覆盖和多样化的道路异常类型。数据集中的图像分辨率为1280 x 720像素，包含RGB图像、归一化深度图像、原始深度图像以及手工标注的分割标签。这些数据为地面移动机器人的可行驶区域和道路异常分割提供了高质量的训练和测试资源。此外，数据集的构建还参考了两篇IEEE论文，确保了其科学性和实用性。

使用方法

使用该数据集时，用户可以从Google Drive或实验室NAS下载完整数据集。数据集中的RGB图像、归一化深度图像、原始深度图像和分割标签分别存储在`rgb`、`depth_u8`、`depth_u16`和`label`文件夹中。建议在使用深度图像前进行裁剪，以去除无效像素。该数据集可用于地面移动机器人的可行驶区域和道路异常分割任务，用户可参考相关IEEE论文进行算法开发和性能评估。

背景与挑战

背景概述

Ground Mobile Robot Perception Dataset 是一个专注于地面移动机器人感知的RGB-D数据集，由Hengli Wang、Yuxiang Sun和Ming Liu等研究人员于2019年创建，并在IEEE Robotics and Automation Letters和IEEE Transactions on Cybernetics等期刊中发表相关研究。该数据集旨在解决地面移动机器人（如扫地机器人和机器人轮椅）在复杂环境中可行驶区域和道路异常分割的问题。数据集包含3896张RGB-D图像，涵盖了30种常见场景和18种不同类型的道路异常，为机器人感知算法的开发与评估提供了重要支持。其研究成果不仅推动了机器人感知技术的发展，还为相关领域的算法优化和实际应用奠定了坚实基础。

当前挑战

Ground Mobile Robot Perception Dataset 在解决地面移动机器人感知问题时面临多重挑战。首先，机器人需要在复杂多变的现实环境中准确识别可行驶区域和道路异常，这对算法的鲁棒性和泛化能力提出了极高要求。其次，数据集的构建过程中，研究人员需克服深度图像采集时存在的无效像素问题，这要求对原始数据进行预处理和裁剪，以确保数据的可用性和一致性。此外，如何在不同场景和光照条件下保持数据的高质量标注，也是构建过程中需要解决的关键问题。这些挑战不仅反映了该领域的技术难点，也为未来的研究提供了重要的改进方向。

常用场景

经典使用场景

Ground Mobile Robot Perception Dataset 在移动机器人感知领域具有重要应用，特别是在地面移动机器人（如扫地机器人和机器人轮椅）的可行驶区域和道路异常分割任务中。该数据集提供了丰富的RGB-D图像和手工标注的分割标签，涵盖了30种常见场景和18种不同类型的道路异常，为研究者提供了全面的实验数据。通过该数据集，研究者可以训练和验证各种深度学习模型，提升机器人在复杂环境中的感知能力。

解决学术问题

该数据集有效解决了地面移动机器人在实际环境中感知可行驶区域和识别道路异常的关键问题。通过提供高质量的RGB-D图像和精确的分割标签，研究者能够开发出更鲁棒的算法，提升机器人在动态和复杂环境中的导航能力。此外，该数据集还为自监督学习和动态融合模块的研究提供了基准，推动了移动机器人感知技术的进步。

衍生相关工作

基于该数据集，研究者们提出了多项经典工作，如自监督学习的可行驶区域和道路异常分割算法，以及动态融合模块的检测方法。这些工作不仅在学术界引起了广泛关注，还为工业界的实际应用提供了技术支撑。例如，相关算法已被应用于机器人轮椅的导航系统中，显著提升了其在实际环境中的表现。