mine-and-forest-radar-dataset

github2024-04-12 更新2024-05-31 收录

里程计研究

环境感知

数据链接：

https://github.com/kubelvla/mine-and-forest-radar-dataset 数据链接链接失效反馈

官方服务：

资源简介：

该数据集包含与ICRA 2024会议提交的论文_Do we need scan-matching in radar odometry?_相关的雷达里程计数据。数据集由ROS1 _.bag_文件格式组成，记录了_Forest_和_Mine_实验中的所有传感器数据。数据集提供了多种传感器（如Sensrad Hugin A3-Sample雷达、Ouster OS1-64激光雷达、Xsens MTi-30 IMU等）的测量数据，并详细描述了每个传感器的配置和数据处理方法。

This dataset comprises radar odometry data associated with the paper titled 'Do we need scan-matching in radar odometry?' submitted to the ICRA 2024 conference. The dataset is structured in ROS1 _.bag_ file format, encapsulating all sensor data from the 'Forest' and 'Mine' experiments. It offers measurements from a variety of sensors, including the Sensrad Hugin A3-Sample radar, Ouster OS1-64 LiDAR, and Xsens MTi-30 IMU, among others, along with detailed descriptions of each sensor's configuration and data processing methodologies.

创建时间：

2023-09-15

原始信息汇总

数据集概述

名称: mine-and-forest-radar-dataset

目的: 与提交至ICRA 2024会议的论文《Do we need scan-matching in radar odometry?》相关联的雷达里程计数据集。

数据集内容

传感器类型:

Sensrad Hugin A3-Sample (固态4D雷达)
Ouster OS1-64 (3D激光雷达)
Xsens MTi-30 (IMU)
Emlid Reach RS2+ (RTK-GNSS接收器对，仅森林实验)

数据格式: ROS1 .bag 文件，分为5GB的部分以便于下载和处理。

数据链接: Download from ORU.se

数据主题:

/emlid_gnss/fix (sensor_msgs/NavSatFix)
/emlid_gnss/nmea_sentence (nmea_msgs/Sentence)
/emlid_gnss/post_rtk_fix (sensor_msgs/NavSatFix)
/emlid_gnss/time_reference (sensor_msgs/TimeReference)
/hugin_raf_1/radar_data (sensor_msgs/PointCloud2)
/imu/data (sensor_msgs/Imu)
/imu/mag (geometry_msgs/Vector3Stamped)
/imu/time_ref (sensor_msgs/TimeReference)
/ouster/points (sensor_msgs/PointCloud2)
/tf (tf2_msgs/TFMessage)

特殊配置

IMU: 位于Hugin传感器后方，靠近_base_link_帧原点，旋转90度顺时针绕Z轴，使用_VRU General_配置文件处理磁力计读数。
Hugin雷达: 使用早期演示模型，设置为_Short range_配置，最大范围50m，产生5,000-10,000个包含功率和多普勒速度值的点。
OS1-64激光雷达: 直接记录为PointCloud2消息，与记录计算机PTP同步。
Reach RS2+ GNSS参考: 在森林实验中使用，RTK解决方案离线计算并插入到_.bag_文件中。

地面实况定位

方法: 使用HDL slam结合雷达里程计作为先验，进行激光雷达数据处理。
输出: 点云地图和6自由度轨迹，提供两种格式的CSV文件。

用户反馈

数据集为雷达SLAM解决方案的一部分，欢迎在仓库的_Issues_部分提供反馈和建议。

搜集汇总

数据集介绍

构建方式

该数据集的构建基于在森林和矿区进行的实验，通过记录多种传感器的数据来实现。具体而言，数据集包含了来自Sensrad Hugin A3-Sample雷达、Ouster OS1-64激光雷达、Xsens MTi-30惯性测量单元（IMU）以及Emlid Reach RS2+ RTK-GNSS接收器的数据。这些数据以ROS1的.bag文件格式存储，并被分割成多个5GB的部分以便于下载和处理。此外，数据集还提供了通过HDL slam算法生成的地面真实定位数据，该数据通过雷达里程计作为先验信息，结合激光雷达数据进行处理，最终生成6自由度的轨迹，并以CSV文件格式提供。

特点

该数据集的显著特点在于其多传感器融合的设计，涵盖了雷达、激光雷达、IMU和GNSS等多种传感器的数据，能够为复杂环境下的SLAM（同步定位与地图构建）研究提供丰富的信息。此外，数据集还提供了地面真实定位数据，这对于评估和验证雷达里程计的性能至关重要。值得注意的是，雷达数据采用了短程模式，以确保最高的距离分辨率，尽管其有效范围限制在50米以内。数据集的多样性和复杂性使其成为研究雷达里程计和SLAM技术的理想选择。

使用方法

用户可以通过提供的下载链接获取数据集，并使用ROS工具对.bag文件进行解析和处理。数据集中的传感器数据分布在多个主题中，用户可以根据研究需求选择相应的主题进行分析。地面真实定位数据以CSV格式提供，用户可以直接加载这些数据进行进一步的分析和验证。此外，数据集还支持使用EVO库等工具进行轨迹评估。用户可以通过GitHub仓库的Issues部分提供反馈和建议，以帮助改进数据集的质量和可用性。

背景与挑战

背景概述

mine-and-forest-radar-dataset 是由Vladimír Kubelka、Emil Fritz和Martin Magnusson等研究人员创建的雷达测距数据集，旨在支持2024年IEEE国际机器人与自动化会议（ICRA 2024）上提交的论文《Do we need scan-matching in radar odometry?》。该数据集通过在森林和矿区环境中采集的雷达、激光雷达、惯性测量单元（IMU）和全球导航卫星系统（GNSS）数据，探索雷达测距技术在恶劣环境中的应用。数据集的核心研究问题围绕雷达测距中是否需要扫描匹配展开，旨在为雷达SLAM（同步定位与地图构建）提供新的见解。该数据集的发布不仅为雷达测距领域的研究提供了宝贵的实验数据，还为相关领域的算法开发和验证提供了基准。

当前挑战

mine-and-forest-radar-dataset 在构建过程中面临多项挑战。首先，数据采集环境复杂，森林和矿区的多样性对传感器性能提出了高要求，尤其是在雷达信号处理和点云数据生成方面。其次，数据集涉及多种传感器（如雷达、激光雷达、IMU和GNSS）的同步与融合，确保各传感器数据的时间一致性和空间对齐是关键难题。此外，雷达设备（Hugin A3-Sample）的早期原型性能限制，如50米的短程范围和0.1秒的延迟，增加了数据处理的复杂性。最后，生成地面真实定位数据时，雷达测距与激光雷达测距的结合带来了额外的挑战，特别是在偏航漂移和闭环检测方面。这些挑战为后续研究提供了丰富的探索空间。

常用场景

经典使用场景

mine-and-forest-radar-dataset 数据集的经典使用场景主要集中在雷达测距与环境建模领域。该数据集通过记录森林和矿区实验中的雷达、激光雷达、惯性测量单元（IMU）和全球导航卫星系统（GNSS）数据，为研究人员提供了在复杂环境中进行雷达测距和同步定位与地图构建（SLAM）的宝贵资源。通过分析这些传感器数据，研究者可以评估雷达测距在不同环境下的性能，并探讨是否需要传统的扫描匹配技术来增强雷达测距的精度。

衍生相关工作

该数据集的发布催生了一系列相关的经典工作，特别是在雷达SLAM和多传感器融合领域。例如，基于该数据集的研究者们开发了新的雷达测距算法，并探讨了在不同环境下的适用性。此外，数据集还激发了对多传感器数据融合技术的深入研究，推动了雷达、激光雷达和IMU等传感器在复杂环境中的协同工作。这些研究不仅提升了雷达测距的精度，还为未来的自主导航系统提供了重要的技术支持。

数据集最近研究