DLR Planetary Stereo, Solid-State LiDAR, Inertial (S3LI) dataset

DLR Planetary Stereo, Solid-State LiDAR, Inertial (S3LI)数据集由德国航空航天中心创建，记录于意大利埃特纳火山，模拟月球和火星的极端环境。数据集包含7个序列，覆盖超过4公里的移动距离，主要由手持传感器套件记录，适用于太空移动探测器的实施。该数据集旨在提供一个工具，揭示现有SLAM系统在非广泛可用数据集中的环境限制，并激励依赖两种传感器互补能力的新定位和映射方法的开发。数据集的应用领域包括自主驾驶、自动化建设及农业，旨在解决极端非结构化环境中的定位和映射问题。The DLR Planetary Stereo, Solid-State LiDAR, Inertial (S3LI) dataset was developed by the German Aerospace Center (DLR). It was collected on Italy's Mount Etna and simulates the extreme environments of the Moon and Mars. The dataset comprises 7 sequences, covering a total travel distance of over 4 kilometers, and was primarily recorded using a handheld sensor suite, making it applicable for the deployment of space rovers. This dataset aims to serve as a tool to uncover the environmental constraints of existing SLAM systems in non-widely accessible datasets, and to inspire the development of novel localization and mapping approaches that leverage the complementary capabilities of the included sensors. The application domains of this dataset include autonomous driving, automated construction, and agriculture, and it is designed to tackle the challenges of localization and mapping in highly unstructured environments.

搜集汇总

数据集介绍

构建方式

在行星探索领域，SLAM算法常面临极端非结构化环境的挑战。DLR S3LI数据集构建于意大利埃特纳火山，该环境因其地质特征与月球和火星相似而被视为行星类比场地。数据采集采用手持式传感器套件，模拟了空间移动机器人的典型高度与视角，包含七个序列，总行程超过四公里。传感器组合包括基线20厘米的立体单色相机、固态激光雷达以及惯性测量单元，所有设备均经过精确的时间同步与空间标定。立体图像通过自动曝光控制适应强烈光照对比，激光雷达配置为4.7赫兹扫描频率，提供有限视场内的点云数据，而差分GNSS系统则提供厘米级精度的地面真值轨迹。

特点

该数据集的核心特点在于其极端的视觉与结构特性。火山环境表面覆盖着深色火山灰，导致严重的视觉混叠，使得传统视觉SLAM的位置识别能力受到限制。同时，地形缺乏突出的垂直结构特征，结合固态激光雷达有限的视场，对仅依赖点云的姿态估计方法构成挑战。数据集序列设计多样，涵盖单向遍历、环形路径及特定地貌映射，旨在评估SLAM算法在光照剧烈变化、特征稀少条件下的鲁棒性。多传感器数据提供了视觉与结构信息的互补，为开发新型融合定位与建图方法提供了独特平台。

使用方法

数据集适用于评估与推进SLAM算法在非结构化环境中的性能。研究者可利用立体图像流进行视觉或视觉-惯性SLAM测试，特别是在特征匹配与位置识别方面应对视觉混叠的挑战。激光雷达点云可用于探索在缺乏显著几何结构环境中的建图方法，或与视觉数据融合以实现多模态SLAM。序列中包含的重复观测与特定地貌（如火山口边缘）为开发基于自然路标的语义分割或闭环检测算法提供了机会。此外，数据集鼓励创新方法，如利用实例分割技术从复杂点云中提取地标，以增强在极端环境中的定位鲁棒性与地图一致性。

背景与挑战

背景概述

在机器人同步定位与建图（SLAM）领域，现有数据集多集中于结构化或半结构化环境，如城市道路或室内场景，难以充分评估算法在极端非结构化环境中的鲁棒性。德国航空航天中心（DLR）于2022年发布了DLR Planetary Stereo, Solid-State LiDAR, Inertial（S3LI）数据集，旨在填补这一空白。该数据集由Riccardo Giubilato等研究人员在意大利埃特纳火山采集，该火山地表与月球和火星地质特征高度相似，为行星探索任务提供了理想的模拟环境。数据集通过手持式传感器套件记录了超过4公里的火山灰斜坡轨迹，集成了立体相机、固态激光雷达和惯性测量单元，核心研究聚焦于在视觉混淆严重、结构特征匮乏的极端条件下，推动多模态SLAM算法的发展，尤其为行星探测机器人的自主导航与建图技术提供了关键验证平台。

当前挑战

该数据集致力于解决SLAM在极端非结构化环境中的核心挑战：视觉与结构双重匮乏导致的定位与建图困难。具体而言，火山地表呈现严重的视觉混淆，暗色熔岩灰与明亮天空形成强烈对比，削弱了传统视觉SLAM的位置识别能力；同时，斜坡地形缺乏垂直结构特征，限制了基于点云配准的激光雷达SLAM的位姿估计精度。在构建过程中，研究团队面临多重挑战：固态激光雷达的狭窄视场与最小测距限制，使得点云覆盖有限且校准困难；手持设备在崎岖地形行走引入的运动噪声，对传感器同步与数据稳定性提出更高要求；此外，需在无人工地标的纯粹自然环境中，确保差分GNSS提供厘米级精度的地面真值，以支撑算法评估的可靠性。

常用场景

经典使用场景

在行星探索机器人领域，SLAM技术面临极端非结构化环境的严峻挑战。DLR S3LI数据集通过在西西里岛埃特纳火山这一月球与火星类似地形中采集数据，为评估视觉与固态激光雷达SLAM算法提供了独特平台。该数据集包含手持式传感器套件记录的立体图像、固态激光雷达点云及惯性测量数据，覆盖超过4公里的火山灰斜坡轨迹，其经典使用场景在于测试SLAM系统在视觉高度重复、结构特征稀缺的恶劣条件下，实现精准位姿估计与地图构建的能力。

实际应用

在实际应用层面，DLR S3LI数据集为行星探测机器人的自主导航系统开发提供了关键验证环境。埃特纳火山的火山灰斜坡、熔岩地貌与昏暗光照条件模拟了外星地表特征，使得该数据集能够直接支持月球车、火星车等空间移动平台的传感器配置优化与算法测试。通过提供厘米级精度的差分GPS地面真值，研究人员可评估SLAM系统在真实极端地形中的轨迹估计误差，为未来深空探测任务的自主导航模块提供可靠性保障。

衍生相关工作

基于该数据集衍生的经典研究工作主要集中在多模态SLAM算法的创新上。例如，研究团队利用OPEN VINS等视觉惯性里程计框架融合固态激光雷达点云，构建了火山口边缘的高精度三维地图。同时，数据集激发了如实例立体变换器（INSTR）等深度学习方法的探索，用于未知岩石的实例分割，进而支持基于地标的语义SLAM。这些工作推动了高斯过程梯度地图、分段匹配闭环检测等新方法的发展，为极端非结构化环境中的鲁棒自主导航奠定了算法基础。