AgriLiRa4D

AgriLiRa4D是由拓普枪机器人、杭州电子科技大学及南京大学联合创建的多模态无人机数据集，专为挑战性户外农业环境设计。该数据集规模宏大，涵盖平坦、丘陵和梯田三种典型农田类型以及边界与覆盖两种作业模式，共包含六组飞行序列，同步采集了三维激光雷达、四维雷达和惯性测量单元的高精度数据，并辅以厘米级精度的光纤惯性导航系统实时动态测量真值轨迹。数据集通过精心校准的传感器套件在真实农田场景中系统采集，旨在支持鲁棒的同时定位与地图构建研究，重点解决农业无人机在低纹理作物、重复模式、动态植被等复杂环境下的自主导航与定位难题，推动精准农业自动化技术的发展。

AgriLiRa4D is a multimodal UAV dataset jointly created by Top Gun Robotics, Hangzhou Dianzi University and Nanjing University, designed specifically for challenging outdoor agricultural environments. The dataset has a substantial scale, covering three typical farmland types: flat, hilly and terraced fields, as well as two operation modes: boundary flight and coverage flight, and includes a total of six flight sequences. High-precision data from 3D LiDAR, 4D radar and inertial measurement unit (IMU) are synchronously collected, with real-time dynamic ground-truth trajectory measured by a centimeter-level accuracy fiber-optic inertial navigation system as supplementary reference. The dataset is systematically collected in real farmland scenarios using a carefully calibrated sensor suite, aiming to support robust simultaneous localization and mapping (SLAM) research, focusing on addressing the challenges of autonomous navigation and positioning for agricultural UAVs in complex environments such as low-texture crops, repetitive patterns and dynamic vegetation, so as to promote the development of precision agriculture automation technologies.

原始信息汇总

AgriLiRa4D数据集概述

数据集名称

AgriLiRa4D

核心描述

AgriLiRa4D是一个多传感器无人机数据集，旨在为具有挑战性的农业场景提供鲁棒的SLAM（同时定位与地图构建）解决方案。

引用信息

• 标题：AgriLiRa4D: A Multi-Sensor UAV Dataset for Robust SLAM in Challenging Agricultural Fields
• 作者：Zhihao Zhan, Yuhang Ming, Shaobin Li, Jie Yuan
• 年份：2025
• arXiv标识：eprint={2512.01753}, archivePrefix={arXiv}, primaryClass={cs.RO}
• 论文链接：https://arxiv.org/abs/2512.01753

许可信息

本网站内容遵循知识共享署名-相同方式共享4.0国际许可协议。

搜集汇总

数据集介绍

构建方式

在精准农业技术迅猛发展的背景下，无人机在复杂农田环境中的自主导航亟需鲁棒的多传感器同步定位与建图技术支撑。AgriLiRa4D数据集的构建旨在填补真实世界多模态农业无人机数据的空白。该数据集通过搭载定制化SLAM载荷的农业无人机平台，在中国南京三种典型农田地形——平坦平原、丘陵地带和山地梯田——进行系统性数据采集。采集过程严格遵循两种作业模式：边界巡边与全覆盖扫描，由此形成六个飞行序列组。数据采集系统集成了三维激光雷达、四维成像雷达和惯性测量单元，并通过光纤惯性导航系统与实时动态载波相位差分技术提供厘米级精度的位姿真值。所有传感器数据通过精密时间协议实现硬件级同步，并存储于机器人操作系统标准的ROS数据包中，同时提供了完整的传感器内参与外参标定文件，确保了数据的一致性与可用性。

使用方法

该数据集主要服务于多传感器同步定位与建图算法的开发、评估与基准测试。研究人员可通过提供的ROS数据包直接回放同步的激光雷达点云、雷达点云及惯性测量数据，并利用高精度位姿真值进行算法性能的定量分析。数据集支持对激光雷达-惯性、雷达-惯性以及雷达-激光雷达-惯性等多种传感器组合的融合算法进行评测。具体而言，用户可基于该数据集开展在低纹理、重复模式及动态干扰等恶劣条件下的SLAM鲁棒性研究，分析不同地形与飞行参数对定位精度的影响。数据集附带完整的标定参数，便于进行跨模态的数据关联与融合研究。此外，论文中提供的对多种前沿SLAM算法的基准测试结果，可作为新算法性能对比的参考基线，推动农业无人机自主导航技术的进步。

背景与挑战

背景概述

随着精准农业技术的迅猛发展，无人机已成为作物监测、农药喷洒和大规模农田测绘等任务的核心平台。然而，在复杂的户外农业环境中，全球导航卫星系统常因植被遮挡和大气干扰而性能下降，而传统的视觉同步定位与建图系统则面临动态光照、低纹理作物和重复模式等挑战，导致其鲁棒性不足。为填补这一研究空白，Zhihao Zhan、Yuhang Ming等研究人员于2025年推出了AgriLiRa4D数据集。该数据集由TopXGun Robotics、杭州电子科技大学和南京大学联合创建，旨在为农业无人机在平坦、丘陵和梯田等多种真实农田环境中的鲁棒多传感器SLAM研究提供基准。它集成了三维激光雷达、四维雷达和惯性测量单元的同步数据，并配备了厘米级精度的光纤惯性导航系统实时动态测量地面真值轨迹，对推动农业无人机自主导航技术的发展具有重要影响力。

当前挑战

AgriLiRa4D数据集致力于解决农业无人机在复杂户外环境中实现鲁棒同步定位与建图的根本性挑战。其核心领域挑战在于克服低纹理作物、高度重复的种植结构、动态植被运动以及强烈光照变化等恶劣条件对传感器感知和数据关联造成的干扰，这些因素使得传统视觉或单一模态的SLAM系统极易失效。在数据集构建过程中，研究团队面临多重技术挑战：首先，需在多样化的真实农田地形中采集数据，并确保多传感器（激光雷达、4D雷达、IMU）的高精度时间同步与空间标定；其次，获取并验证厘米级精度的地面真值轨迹本身极具难度，尤其在GNSS信号受限的农田场景中；此外，设计覆盖不同飞行高度、速度及作业模式的序列，以全面反映农业操作的真实动态与感知退化，也对数据采集的系统性和代表性提出了严格要求。

常用场景

经典使用场景

在精准农业与自主机器人导航领域，AgriLiRa4D数据集为多传感器融合的即时定位与地图构建（SLAM）研究提供了关键基准。该数据集通过集成三维激光雷达、四维毫米波雷达与惯性测量单元，并辅以厘米级精度的光纤惯性导航系统实时动态测量地面真值，系统覆盖了平坦、丘陵与梯田三种典型农田地貌。其经典应用场景在于评估和开发能够在低纹理作物、重复性种植模式、动态植被以及复杂地形等严苛农业环境下保持鲁棒性的SLAM算法，尤其适用于无人机在喷洒、巡检与测绘等任务中的自主定位与导航系统验证。

解决学术问题

AgriLiRa4D数据集有效应对了农业环境中SLAM研究长期面临的核心挑战。传统视觉SLAM在作物纹理稀疏、光照剧烈变化及运动模糊下易失效，而单一激光雷达在植被密集区可能感知退化。该数据集通过提供同步的多模态传感数据，支持学术界探究如何融合激光雷达的精确几何信息、雷达的天气鲁棒性与多普勒测速能力以及惯性单元的连续运动估计，以解决在GNSS信号受限或失效时，无人机在非结构化农田中的连续、可靠位姿估计问题。其意义在于填补了专门针对户外农业场景的高质量、多传感器SLAM数据空白，推动了鲁棒感知与状态估计理论在农业自动化中的发展。

实际应用

该数据集的实际价值直接体现在提升农业无人机作业的自动化与可靠性上。基于AgriLiRa4D开发的鲁棒SLAM系统，可赋能无人机在复杂农田环境中实现精准的自主路径跟踪与避障，适用于变量施药、作物长势监测与大范围田块测绘等任务。例如，在丘陵或梯田地带，系统能利用多传感器融合克服单一传感器因地形起伏、作物遮挡导致的定位漂移，确保喷洒或巡检的覆盖均匀性与作业安全。数据集提供的真实场景数据加速了从实验室算法到田间可靠系统的转化，为智慧农业中无人化装备的导航系统提供了关键的测试与优化依据。

数据集最近研究

最新研究方向

在精准农业与无人机自主导航领域，AgriLiRa4D数据集正推动多传感器融合SLAM技术的前沿探索。该数据集以其涵盖平坦、丘陵与梯田等多种农田地形，并同步提供3D激光雷达、4D雷达与惯性测量单元的高精度数据，为应对农业环境中低纹理作物、重复性植被模式及动态干扰等挑战提供了关键基准。当前研究聚焦于利用该数据集开发与评估鲁棒的多模态融合算法，特别是在复杂户外场景下，通过激光雷达-雷达-惯性组合提升无人机定位的稳定性与适应性。这一进展不仅填补了农业SLAM专用数据集的空白，也为实现全天候、全地形的农业无人机自主作业奠定了坚实基础，对推动智慧农业的智能化升级具有深远意义。

相关研究论文

• AgriLiRa4D: A Multi-Sensor UAV Dataset for Robust SLAM in Challenging Agricultural Fields

  拓普枪机器人（南京）、杭州电子科技大学、南京大学 · 2025年