Mars_seg

In the Mars exploration mission, it is necessary to construct a series of datasets in the Martian environment for the training and validation of relevant perception algorithms. In 2021, NASA's Mars Science Laboratory released the first large-scale Martian terrain dataset called AI4Mars for semantic segmentation tasks, which includes four types of terrain. However, due to the lack of defined terrain categories and low annotation accuracy, the dataset lacks practical application value. For this purpose, our team has released a series of datasets named Marsnseg for semantic segmentation tasks.The Mars seg dataset contains high-resolution images of rich Martian scenes, which helps researchers understand the true Martian landscape. All single channel grayscale images in this dataset are from the Planetary Data System (PDS), covering 1064 high-definition images captured by the Navigation Camera (NAVCAM) and Panoramic Camera (PANCAM) of the Opportunity and Courage Mars rovers (MER); All RGB images were collected by Mars 32k, all from the MastCam camera of the Curiosity rover (MSL), with a total of 4148 images. Among them, the spatial resolution of grayscale images in MER Seg is 1024 × 1024, while color images in MSL Seg are downsampled to 560 × 500 through bilinear interpolation.In this dataset, by analyzing the difficulties encountered by the rover during the detection process and the high-risk issues that may be encountered during the task execution, we divide the terrain in the dataset into the following 9 categories.在火星探测任务中，需要构建火星场景下的系列数据集用于相关感知算法的训练以及验证。2021年，围绕语义分割任务中，美国宇航局火星科学实验室发布了第一个名为AI4Mars的大规模火星地形数据集，其中包含四种类型的地形。但由于其中的地形类别定义匮乏，标注精度相对较低，使得数据集的实用价值有限。为此，本团队针对语义分割任务，发布了一组命名为Mars_seg的系列数据集。​ Mars- seg数据集包含丰富的火星场景的高分辨率图像，这有助于研究人员了解真正的火星景观。该数据集的所有单通道灰度图像均来自行星数据系统(PDS)，覆盖了机遇号和勇气号火星漫游者(MER)的导航摄像机(NAVCAM)和全景摄像机(PANCAM)拍摄的1064张高清图像；所有的RGB图像是由火星32k收集的，全部来自好奇号漫游者(MSL)的桅杆照相机(MastCam)，总共4148幅图像。其中，MER-Seg中的灰度图像的空间分辨率是1024 × 1024，而MSL-Seg中的彩色图像通过双线性插值被降采样到560 × 500。​ 在本数据集中，通过分析探测车在探测过程中遇到的困难和执行任务过程中可能遇到的高风险问题，我们将数据集中的地形划分为以下9个类别。

在火星探测任务中，需构建火星环境下的系列数据集，用于相关感知算法的训练与验证。2021年，美国国家航空航天局（National Aeronautics and Space Administration, NASA）的火星科学实验室（Mars Science Laboratory）发布了首个面向语义分割（semantic segmentation）任务的大规模火星地形数据集AI4Mars，该数据集涵盖四类地形。然而，其存在地形类别定义缺失、标注精度偏低的问题，实用价值有限。为此，本团队面向语义分割任务，发布了一组命名为Mars_seg的系列数据集。
本Mars_seg数据集包含丰富的高分辨率火星场景图像，可助力研究人员深入认知真实的火星地貌景观。本数据集的所有单通道灰度图像均源自行星数据系统（Planetary Data System, PDS），涵盖机遇号与勇气号火星漫游车（Mars Exploration Rover, MER）的导航相机（Navigation Camera, NAVCAM）及全景相机（Panoramic Camera, PANCAM）拍摄的1064张高清图像；所有RGB图像均由Mars 32k采集，全部来自好奇号火星漫游车（Mars Science Laboratory, MSL）的桅杆相机（MastCam），总计4148幅图像。其中，MER Seg模块的灰度图像空间分辨率为1024 × 1024，MSL Seg模块的彩色图像则通过双线性插值（bilinear interpolation）降采样至560 × 500。
本数据集通过分析漫游车在探测过程中遭遇的难题，以及任务执行阶段可能面临的高风险场景，将数据集中的地形划分为以下9类。

搜集汇总

背景与挑战

背景概述

Mars_seg是一个针对语义分割任务的火星地形数据集，包含高分辨率的灰度与彩色图像，共计5212张，地形划分为9个类别，旨在提升火星探测中感知算法的准确性。