UTIL: An Ultra-Wideband Time-Difference-of-Arrival Indoor Localization Dataset

UTIL数据集由多伦多大学航空航天研究所开发，专注于超宽带时间差到达（UWB TDOA）室内定位技术。该数据集包含两部分：UWB TDOA识别数据集和飞行数据集。识别数据集旨在评估UWB TDOA测量在视线（LOS）和非视线（NLOS）条件下的性能，包括信号噪声比（SNR）和功率差值等低级UWB信号信息。飞行数据集则通过定制的四旋翼平台在多种室内环境中进行约150分钟的实际飞行，收集了包括UWB TDOA、惯性测量单元（IMU）、光学流等在内的多模态数据，用于三维机器人姿态估计。此数据集适用于对UWB TDOA定位技术感兴趣的研究人员，可用于分析和改进复杂室内环境中的定位算法。

The UTIL dataset was developed by the University of Toronto Institute for Aerospace Studies (UTIAS), focusing on ultra-wideband time difference of arrival (UWB TDOA) indoor positioning technology. This dataset consists of two components: the UWB TDOA identification dataset and the flight dataset. The identification dataset is intended to evaluate the performance of UWB TDOA measurements under line-of-sight (LOS) and non-line-of-sight (NLOS) conditions, covering low-level UWB signal information such as signal-to-noise ratio (SNR) and power difference values. The flight dataset collected multimodal data including UWB TDOA, inertial measurement unit (IMU), optical flow and more via a custom quadrotor platform during approximately 150 minutes of actual flights in various indoor environments, which is used for 3D robotic pose estimation. This dataset is suitable for researchers interested in UWB TDOA positioning technology, and can be employed to analyze and optimize positioning algorithms in complex indoor environments.

搜集汇总

数据集介绍

构建方式

在室内定位技术领域，超宽带到达时间差定位因其低成本和高可扩展性而备受关注。UTIL数据集的构建采用了系统化的实验设计，基于Decawave DWM1000超宽带模块，通过静态识别实验和动态飞行实验两部分完成。识别实验在受控环境中进行，通过改变锚点与标签之间的距离、角度，并引入多种常见室内障碍物材料，系统采集了视距与非视距条件下的信号质量指标和原始测量数据。飞行实验则利用定制四旋翼平台，在四种不同锚点星座配置下，于无障碍和复杂障碍环境中累计进行了约150分钟的飞行，同步记录了超宽带到达时间差、惯性测量单元、光流、激光测高以及毫米级精度的运动捕捉真值等多模态传感器数据。

特点

该数据集的核心特点在于其全面性和真实性，旨在填补复杂室内环境下超宽带到达时间差定位公开数据的空白。它不仅包含了详尽的信号识别数据，用于量化不同材料障碍物对测量性能的影响，更提供了在真实、杂乱且包含动态障碍物的三维空间内采集的多模态机器人飞行数据。数据集涵盖了集中式与分布式两种到达时间差工作模式、四种不同的锚点空间布局，以及静态与动态障碍物场景，为深入研究超宽带信号在复杂传播环境下的特性、评估不同定位算法在移动机器人平台上的鲁棒性与精度，提供了前所未有的丰富基准。

使用方法

研究人员可利用该数据集从多个维度推动超宽带到达时间差定位技术的发展。首先，识别数据集可用于构建和验证在不同视距与非视距条件下的超宽带测量误差模型。其次，飞行数据集为开发与评估融合超宽带、惯性等传感器的三维位姿估计算法提供了真实基准，支持对不同锚点星座配置、工作模式以及障碍物环境下的定位性能进行对比分析。数据集附带的开发工具包包含了数据解析、可视化脚本以及状态估计算法示例，便于用户快速开展建模、滤波算法设计、异常值处理以及在动态杂乱环境中实现鲁棒定位等前沿研究。

背景与挑战

背景概述

超宽带到达时间差室内定位数据集UTIL由多伦多大学航空航天研究所的研究团队于2023年创建，旨在填补复杂室内环境中公开UWB TDOA定位数据集的空白。该数据集基于低成本的Decawave DWM1000模块构建，包含识别实验与飞行实验两部分，累计约150分钟的真实飞行数据，覆盖多种静态与动态障碍物场景。其核心研究问题聚焦于解决非视距与多径传播条件下UWB TDOA测量的误差建模与鲁棒定位算法设计，为多机器人系统在仓储管理、监控任务等领域的精准室内定位提供了重要的基准数据支撑。

当前挑战

该数据集致力于解决复杂室内环境下基于UWB TDOA的移动机器人三维位姿估计问题，其核心挑战在于非视距与多径传播导致的信号衰减、延迟与系统性测量偏差，严重制约定位精度与鲁棒性。在构建过程中，研究团队面临多重挑战：需在静态与动态障碍物共存的环境中设计多样化的锚点星座布局；需同步采集毫米级精度的运动捕捉真值、惯性测量单元、光流及激光测距等多模态传感器数据；同时需克服低成本UWB芯片固有的位姿相关测量偏差，并通过精密锚点标定确保数据集的可复现性。

常用场景

经典使用场景

在室内机器人定位领域，超宽带时差到达技术因其高精度和低成本的特性，成为多机器人系统定位的理想选择。UTIL数据集通过提供在复杂室内环境中采集的原始超宽带时差到达测量数据，为研究者构建和评估定位算法提供了基准平台。该数据集包含在多种视距与非视距条件下收集的信号质量指标，以及四旋翼飞行器在静态与动态障碍物环境中的多模态传感器数据，使得研究者能够深入分析不同锚点配置和障碍物材料对定位性能的影响。

解决学术问题

UTIL数据集主要解决了复杂室内环境中超宽带时差到达定位技术的测量误差建模与算法鲁棒性提升问题。通过提供详尽的视距与非视距实验数据，包括多种常见障碍物材料下的信号特征，该数据集支持研究者开发新型估计算法以应对多径传播和非视距条件引起的信号衰减。此外，数据集中的多传感器融合数据为研究异步超宽带-惯性定位系统的连续时间估计技术提供了基础，有助于推动定位技术在动态杂乱环境中的实际应用。

衍生相关工作

基于UTIL数据集，研究者已开展多项经典工作，主要集中在超宽带时差到达测量误差建模和鲁棒定位算法设计方面。例如，Zhao等人利用该数据集的识别实验部分，开发了基于高斯混合模型的非高斯噪声处理方法，以应对杂乱环境中的测量偏差。此外，Goudar等人结合数据集的飞行实验数据，提出了连续时间仅距离姿态估计算法，提升了异步传感器融合系统的性能。这些工作不仅推动了超宽带定位理论的进步，也为后续研究者在多机器人协同定位和动态环境适应方面提供了重要借鉴。