GREENBOT

GREENBOT数据集是由阿尔梅里亚大学创建，专门为地中海温室环境中的移动机器人设计。该数据集包含9个序列，记录了在一个典型的地中海温室中，通过装备有多种传感器的移动平台收集的数据。数据集旨在支持精确的定位和导航，特别是在温室内部复杂的环境中。数据内容包括立体相机图像、IMU数据和两个3D激光雷达的点云，这些数据是在不同天气和光照条件下，以及植物生长不同阶段收集的。GREENBOT数据集特别适用于开发和测试SLAM算法，以解决温室环境中独特的视觉和定位挑战。此外，数据集还提供了传感器校准参数和数据处理工具，支持研究者在农业自动化领域进行深入研究，特别是在机器人喷洒、作物监测等应用中。The GREENBOT dataset was created by the University of Almería, specifically designed for mobile robots operating in Mediterranean greenhouse environments. It contains 9 sequences that record data collected by a mobile platform equipped with multiple sensors in a typical Mediterranean greenhouse. The dataset aims to support precise positioning and navigation, especially in the complex indoor environments of greenhouses. The data includes stereo camera images, IMU data, and point clouds from two 3D LiDARs, collected under varying weather and lighting conditions, as well as at different stages of plant growth. The GREENBOT dataset is particularly suitable for developing and testing SLAM algorithms to address the unique visual and positioning challenges in greenhouse environments. Additionally, the dataset provides sensor calibration parameters and data processing tools, supporting researchers in carrying out in-depth studies in the field of agricultural automation, especially for applications such as robotic spraying and crop monitoring.

搜集汇总

数据集介绍

构建方式

在精准农业机器人导航领域，GREENBOT数据集的构建体现了对地中海温室这一独特环境的系统性捕捉。该数据集通过搭载多传感器平台的移动设备，在典型番茄种植温室的全走廊范围内进行数据采集。平台装备了Bumblebee立体相机、Velodyne VLP16与Ouster OS0两款三维激光雷达以及集成IMU，以每秒10赫兹的频率同步记录点云、立体图像与惯性数据。数据采集跨越2022年10月至12月的多个星期，覆盖了作物不同生长阶段及多样化的光照与气象条件，确保了时间序列上的丰富性与环境变化的代表性。所有传感器均经过严格的内外参校准，并以ROS bag格式存储原始数据，同时提供处理工具与校准文件，保障了数据的一致性与可用性。

特点

GREENBOT数据集的核心特点在于其针对高度结构化且挑战性的农业封闭环境——地中海温室。该环境具有狭窄走廊、重复植被模式、极端光照变化以及季节性作物形态演变等独特属性，对同步定位与建图算法构成了显著挑战。数据集首次在此类环境中提供了适用于SLAM评估的多模态传感器数据，包含两个广泛使用的激光雷达模型与立体视觉的互补信息。其时间跨度覆盖了番茄作物的完整生长周期，记录了植株高度从0.96米至1.85米的动态变化，并同步采集了温室内部的温度、湿度与辐照度等气候变量，为研究环境因素对感知与导航的影响提供了宝贵上下文。

使用方法

该数据集主要服务于农业机器人导航与三维环境建模的研究。使用者可通过提供的ROS bag文件直接访问原始传感器数据流，或利用配套的rawlog格式与处理工具进行高效解析。数据集适用于开发与评估视觉里程计、激光雷达里程计以及SLAM算法，特别是在缺乏GPS信号的室内农业场景中。研究者可基于不同日期的序列数据，分析算法在光照变化、作物生长及地面不平整等干扰下的鲁棒性。此外，高密度点云与立体图像为构建精细的植株三维模型提供了可能，可进一步应用于机器人化喷洒、作物监测等精准农业任务。数据集的轨迹真值通过先进SLAM算法生成并以标准TUM格式提供，便于进行定量性能比较与算法验证。

背景与挑战

背景概述

随着精准农业技术的蓬勃发展，温室环境下的自主导航与三维建模成为提升农业生产效率的关键。GREENBOT数据集由阿尔梅里亚大学的研究团队于2024年正式发布，旨在填补温室农业环境中高精度同步定位与建图数据资源的空白。该数据集聚焦于典型地中海温室番茄种植场景，通过搭载立体相机、惯性测量单元及三维激光雷达的移动平台，系统采集了多时段、多气候条件下的传感器数据。其核心研究问题在于解决温室内部重复性植被模式、极端光照变化及季节性作物生长带来的定位难题，为机器人化喷洒、作物监测等应用提供详实的三维植物模型基础，对推动农业机器人技术在封闭环境中的实际部署具有重要影响力。

当前挑战

GREENBOT数据集致力于解决温室环境下同步定位与建图这一领域核心挑战，其难点在于温室内部缺乏独特视觉特征，植被呈现高度重复模式，导致闭环检测算法易失效；同时，封闭环境引发剧烈光照波动，加之作物修剪、收获等管理活动造成场景动态变化，对视觉与激光雷达数据的鲁棒性提出极高要求。在构建过程中，研究团队面临多重挑战：温室狭窄走廊与沙质土壤限制了传感器布局与平台移动；高温高湿环境对计算设备稳定性构成考验；数据采集需跨越不同生长阶段与天气条件，以确保时序一致性与多样性；此外，现有农业数据集多集中于露天环境，缺乏针对温室内部结构的标准参照，增加了数据标注与算法验证的复杂性。

常用场景

经典使用场景

在精准农业机器人领域，温室环境因其结构复杂、光照多变、植被重复性高等特点，对自主导航技术提出了严峻挑战。GREENBOT数据集通过搭载立体相机、双3D激光雷达及惯性测量单元的移动平台，在典型地中海番茄温室中采集了多时序、多模态的传感器数据。该数据集最经典的应用场景在于为同步定位与地图构建算法提供了一个前所未有的真实温室测试平台，使研究者能够评估和优化SLAM系统在极端光照变化、季节性作物生长及狭窄不规则走廊等复杂条件下的鲁棒性与精度。

衍生相关工作

围绕GREENBOT数据集，已衍生出若干具有代表性的研究工作。数据集本身即利用先进的MOLA激光雷达里程计框架进行了质量验证与地图构建演示，为后续研究提供了基线结果。可以预见，该数据集将激励更多研究聚焦于温室特定场景下的视觉-激光雷达融合SLAM、动态场景理解与语义建图等方向。例如，利用其多时序数据研究作物生长模型的构建，或开发针对植被重复模式优化的闭环检测算法。这些工作将共同推动农业机器人感知与导航技术在复杂非结构化环境中的进步。

数据集最近研究

最新研究方向

在精准农业与温室自动化领域，GREENBOT数据集的推出填补了室内农业环境多模态数据集的空白，为同步定位与建图（SLAM）算法的研究开辟了新前沿。该数据集聚焦于典型地中海温室环境，其独特之处在于捕捉了番茄作物生长周期中的动态变化，包括光照波动、季节性植被更替及狭窄走廊结构带来的导航挑战。当前研究热点集中于利用其丰富的激光雷达与立体视觉数据，开发鲁棒性更强的SLAM系统，以应对温室中重复视觉模式与极端环境变量对闭环检测算法的影响。这一进展不仅推动了农业机器人自主导航技术的精细化，也为作物三维建模与精准喷洒等应用提供了关键数据支撑，对提升资源利用效率与实现可持续温室管理具有深远意义。

相关研究论文

• The GREENBOT dataset: Multimodal mobile robotic dataset for a typical Mediterranean greenhouse

  阿尔梅里亚大学 · 2024年