UrbanNav

UrbanNav数据集旨在为社区提供一个具有挑战性的数据源，以进一步加速在具有挑战性的城市峡谷中准确和稳健定位的研究。该数据集包括来自GNSS接收器、LiDAR、相机和IMU的传感器测量，以及来自SPAN-CPT系统的精确地面实况。与现有数据集不同，UrbanNav提供原始GNSS RINEX数据，使用户能够通过原始数据提高GNSS定位性能。

The UrbanNav dataset is designed to provide the community with a challenging data source to further accelerate research on accurate and robust positioning in challenging urban canyons. This dataset includes sensor measurements from GNSS receivers, LiDAR, cameras, and IMUs, as well as precise ground truth from the SPAN-CPT system. Unlike existing datasets, UrbanNav offers raw GNSS RINEX data, enabling users to enhance GNSS positioning performance through raw data processing.

原始信息汇总

数据集概述：UrbanNav

数据集描述

UrbanNav是一个在亚洲城市峡谷中收集的开放源定位数据集，包括东京和香港。该数据集旨在提供一个具有挑战性的数据源，以加速在具有挑战性的城市峡谷中精确和稳健定位的研究。

数据集内容

• 传感器测量：包括GNSS接收器、LiDAR、相机和IMU的数据。
• 地面实况：由SPAN-CPT系统提供。
• 特点：提供原始GNSS RINEX数据，用户可以通过这些原始数据改进GNSS定位性能。

数据集目标

• 基准测试不同定位算法。
• 提高对高度城市化地区特别是亚太地区紧急导航需求的认识。

香港数据集详情

传感器设置

• 车辆：本田Fit
• 传感器：
  • 3D LiDAR：HDL 32E Velodyne
  • IMU：Xsens Mti 10
  • GNSS接收器：u-blox M8T或u-blox F9P
  • 相机
  • SPAN-CPT

数据集1：UrbanNav-HK-Data20190428

• 收集日期：2019/04/28
• 总大小：42.9 GB
• 路径长度：2.01 Km
• 传感器：GNSS/LiDAR/Camera/IMU/SPAN-CPT
• 下载链接：提供Dropbox和Baidu Cloud下载链接，包括ROS BAG文件、GNSS RINEX文件和IMU/SPAN-CPT数据。

数据集2：UrbanNav-HK-Data20200314

• 收集日期：2020/03/14
• 总大小：27.0 GB
• 路径长度：1.21 Km
• 传感器：LiDAR/Camera/IMU/SPAN-CPT
• 下载链接：提供Dropbox和Baidu Cloud下载链接，包括ROS BAG文件和GNSS RINEX文件。

东京数据集详情

传感器设置

• 传感器：
  • 3D LiDAR：16通道，puck，Velodyne
  • IMU：50 Hz
  • GNSS接收器：Trimble
  • 地面实况：RTK GNSS/INS

数据集1：UrbanNav-TK-20181219

• 收集日期：2018/12/19
• 总大小：4.14 GB
• 路径长度：>10 Km
• 传感器：GNSS/LiDAR/IMU/Ground Truth
• 下载链接：提供Dropbox和Baidu Cloud下载链接。

数据集贡献与验证

• 研究者可以贡献自己的数据集作为UrbanNav的一部分，并通过代码审查过程分享其导航解决方案结果和源代码。

搜集汇总

数据集介绍

构建方式

UrbanNav数据集通过在亚洲城市峡谷（如东京和香港）中收集数据构建而成，旨在解决低成本传感器在复杂城市环境中的定位问题。数据集的采集平台配备了多种传感器，包括GNSS接收器、LiDAR、相机和IMU，并结合了高精度的SPAN-CPT系统作为地面真实数据。数据集的构建特别关注GNSS在城市峡谷中的定位性能，提供了原始的GNSS RINEX数据，使用户能够通过这些数据提升GNSS定位的精度。

特点

UrbanNav数据集的显著特点在于其提供了原始的GNSS RINEX数据，这在现有的数据集中是较为罕见的，使用户能够进行更深入的GNSS定位研究。此外，数据集还包括了LiDAR、相机和IMU的测量数据，以及高精度的地面真实数据，为多传感器融合定位提供了丰富的数据源。数据集的多样性和复杂性使其成为研究和验证定位算法的有力工具。

使用方法

UrbanNav数据集可以通过Dropbox或百度云链接下载，支持ROS和非ROS用户。对于ROS用户，数据以ROSbag文件格式提供，包含GNSS定位、LiDAR点云、相机图像、IMU数据和SPAN-CPT数据。非ROS用户可以通过CSV文件获取IMU和SPAN-CPT数据。此外，GNSS RINEX数据可以通过RTKLIB进行处理。数据集的详细使用方法和传感器参数可在提供的链接中找到。

背景与挑战

背景概述

UrbanNav数据集是由香港理工大学智能定位与导航实验室的研究团队创建，旨在解决亚洲城市峡谷中的定位与导航问题。该数据集的创建时间为2019年，主要研究人员包括Weisong Wen和Li-ta Hsu。UrbanNav数据集的核心研究问题是如何在高楼林立的城市环境中，利用低成本传感器（如GNSS、LiDAR、相机和IMU）实现高精度的定位。由于城市峡谷中的多路径效应和动态物体干扰，GNSS信号的准确性受到严重挑战。UrbanNav数据集通过提供GNSS原始数据（RINEX格式）以及多种传感器的测量数据，为研究者提供了一个极具挑战性的数据源，以推动在复杂城市环境中的定位技术研究。

当前挑战

UrbanNav数据集面临的挑战主要集中在两个方面：一是解决城市峡谷中GNSS定位的精度问题，由于高楼遮挡和多路径效应，GNSS信号的非视距接收（NLOS）和信号干扰严重影响了定位精度；二是动态物体对LiDAR和相机传感器的干扰，这些动态物体会导致传感器数据的失真，进而影响定位算法的性能。此外，数据集的构建过程中还面临传感器数据同步、数据质量控制以及多传感器融合等技术挑战。UrbanNav数据集的开放性也为研究者提供了验证和优化定位算法的平台，但同时也要求研究者具备处理复杂传感器数据的能力。

常用场景

经典使用场景

UrbanNav数据集在亚洲城市峡谷中的定位与导航研究中具有经典应用场景。该数据集通过提供GNSS、LiDAR、相机和IMU等多传感器数据，以及精确的地面真实数据，为研究者在复杂城市环境中进行高精度定位算法的研究提供了宝贵的资源。特别是在GNSS信号受高楼遮挡和多路径效应影响严重的情况下，UrbanNav数据集允许研究者通过原始GNSS数据（RINEX格式）进行定位算法的优化和验证。

实际应用

UrbanNav数据集在实际应用中具有广泛的应用前景，特别是在自动驾驶、智能交通系统和无人机导航等领域。通过提供多传感器数据和精确的地面真实数据，该数据集可以帮助开发和验证新的定位和导航算法，从而提高这些系统在复杂城市环境中的性能。此外，UrbanNav数据集还可以用于教育和培训，帮助学生和研究人员理解和解决实际导航问题。

衍生相关工作

UrbanNav数据集的发布催生了一系列相关的研究工作，特别是在GNSS定位优化、多传感器融合和城市环境中的SLAM（同步定位与地图构建）等领域。例如，GraphGNSSLib的开源项目利用UrbanNav数据集进行GNSS定位和实时运动学（RTK）的研究，展示了因子图优化（FGO）在提高定位精度方面的潜力。此外，该数据集还激发了在动态物体检测和排除、以及利用3D城市模型进行GNSS定位等方面的研究。