Polarized Skylight Navigation Simulation (PSNS) Dataset

PSNS数据集由南京理工大学的梁华炬和白红阳创建，旨在为偏振天空光导航领域的机器学习方法提供训练和测试数据。数据集包含约138000张图像，涵盖了无噪声偏振图像、含高斯噪声和光照不足的偏振图像以及含云层影响的偏振图像等多种情况。数据集的构建基于偏振成像模拟系统，能够捕捉不同偏振方向的原始黑白光强度图像，以及偏振度(DOP)和偏振角(AOP)图像。该数据集适用于无倾斜的偏振天空光定向确定，对于需要考虑倾斜影响的导航系统，则需要结合其他导航传感器的数据。

PSNS Dataset was created by Liang Huaju and Bai Hongyang from Nanjing University of Science and Technology, aiming to provide training and test data for machine learning methods in the field of polarized skylight navigation. The dataset contains approximately 138,000 images, covering various scenarios including noise-free polarized images, polarized images corrupted by Gaussian noise and insufficient illumination, as well as polarized images affected by cloud cover. Constructed based on a polarization imaging simulation system, this dataset can capture original grayscale intensity images at different polarization directions, as well as Degree of Polarization (DOP) and Angle of Polarization (AOP) images. This dataset is applicable to polarized skylight orientation determination without tilt effects. For navigation systems that need to consider tilt effects, data from other navigation sensors must be combined.

搜集汇总

数据集介绍

构建方式

针对生物启发式偏振天光导航领域对数据集的迫切需求，PSNS数据集通过构建一个基于太阳位置模型、Berry天光模型和Hosek天光模型的偏振天光模型，并结合设计的偏振成像仿真系统，捕捉到不仅包括光强度、偏振度和偏振角度的图像，还包括原始的黑白光强度图像，从而完整地描述了偏振成像仪捕捉天光偏振模式的全过程。同时，通过在原始黑白光强度图像上添加测量噪声，最终构建了PSNS数据集。

特点

PSNS数据集的特点在于其全面性和实用性。首先，该数据集包含了光强度、偏振度和偏振角度的图像，以及原始的黑白光强度图像，全面描述了偏振成像仪捕捉天光偏振模式的全过程。其次，数据集中包含了不同天气条件下的图像，如无噪声、有高斯噪声和光照不足、有高斯噪声、光照不足和云层影响等，具有较高的实用性。此外，PSNS数据集还提供了偏振成像仪和原始光强度成像仪的源代码，方便研究人员根据自己的偏振传感器和天光模型构建自己的数据集。

使用方法

PSNS数据集的使用方法主要分为以下几步：首先，根据太阳位置模型确定太阳方位角和太阳天顶角；其次，基于Berry和Hosek天光模型构建天光偏振模型，包括光强度、偏振度和偏振角度的信息；最后，利用构建的天光偏振模型和偏振成像仿真系统捕捉DOP和AOP图像，以及原始的黑白光强度图像，最终构建PSNS数据集。同时，为了方便测试，数据集还提供了测试集，包括无噪声、有高斯噪声和光照不足、有高斯噪声、光照不足和云层影响等。

背景与挑战

背景概述

在生物启发的偏振天光导航领域，随着机器学习方法的广泛应用，对偏振天光导航数据集的需求日益迫切。为了满足这一需求，研究人员首次构建了一个公开的偏振天光导航数据集，即PSNS数据集。该数据集的创建基于太阳位置模型、Berry天光模型和Hosek天光模型，包含了光强（LI）、偏振度（DOP）和偏振角（AOP）等信息。此外，还构建了一个偏振成像模拟系统，能够捕获不同偏振方向的原始黑白光强图像，从而完整描述偏振成像仪捕获天光偏振模式的过程。PSNS数据集的构建对于偏振天光导航领域的研究具有重要意义，它为机器学习方法的训练和测试提供了宝贵的数据资源。

当前挑战

PSNS数据集面临着一些挑战。首先，数据集所解决的领域问题是偏振天光导航，这需要解决天光偏振模式的建模和成像模拟问题。其次，在构建过程中，研究人员遇到了一些挑战，例如如何准确模拟天光偏振模式、如何处理不同偏振方向的原始光强图像以及如何添加测量噪声等。为了解决这些挑战，研究人员提出了基于太阳位置模型、Berry天光模型和Hosek天光模型的偏振天光模型，并构建了偏振成像模拟系统。此外，研究人员还公开了偏振成像仪和原始光强成像仪的源代码，以方便其他研究人员构建自己的数据集。

常用场景

经典使用场景

PSNS数据集主要用于机器学习方法在偏振天光导航中的应用。该数据集提供了偏振天光导航所需的光强、偏振度和偏振角度等信息，可用于训练和测试机器学习模型。此外，该数据集还提供了原始的黑白色光强图像，以便研究人员可以更全面地了解偏振图像的获取过程。

解决学术问题

PSNS数据集解决了偏振天光导航数据集缺乏的问题。传统的偏振天光导航方法主要基于天光偏振模式，而机器学习方法的应用需要大量的数据集进行训练和测试。PSNS数据集提供了大量偏振天光导航数据，有助于推动机器学习方法在偏振天光导航中的应用。

衍生相关工作

PSNS数据集的构建和发布为相关领域的研究提供了基础数据。基于PSNS数据集，研究人员可以开展更深入的研究，如偏振天光导航的精度和可靠性分析、机器学习模型在偏振天光导航中的应用效果评估等。此外，PSNS数据集还可以作为其他偏振天光导航数据集的参考，推动该领域的研究和应用。