有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
uav multi lidar dataset|无人机跟踪数据集|激光雷达数据集
收藏arXiv2023-10-13 更新2024-06-21 收录
下载链接：
https://github.com/TIERS/uav multi lidar dataset
下载链接
链接失效反馈资源简介：
uav multi lidar dataset是由芬兰图尔库大学和瑞士苏黎世联邦理工学院合作创建的多传感器数据集，专注于无人机在GNSS拒绝环境中的跟踪。该数据集包含来自旋转激光雷达、两种不同视场和扫描模式的固态激光雷达以及RGB-D相机的数据，总计15个序列，涵盖室内外环境。数据集的创建旨在解决现有方法在复杂环境中的局限性，推动无人机跟踪技术的发展，特别是在城市区域的应用，如反无人机系统和无人机物流。
提供机构：
图尔库智能嵌入式和机器人系统实验室
创建时间：
2023-10-13
AI搜集汇总
数据集介绍
构建方式
本数据集采用了多样化的传感器配置，包括旋转式LiDAR、两种不同视场和扫描模式的固态LiDAR以及RGB-D相机。这些传感器共同收集了室内外环境下的数据，为研究无人机的跟踪提供了丰富的信息资源。数据收集平台固定安装，传感器通过高性能计算机进行本地驱动和数据记录，以减少数据传输延迟并确保同步。此外，为了解决GNSS信号在室内环境中不可用的问题，数据集提供了基于运动捕捉系统的地面真实数据，从而保证了室内外环境的精确评估。
特点
该数据集的特点在于其多样性和实用性。首先，它包含了来自三种不同LiDAR传感器的数据，以及RGB-D相机数据，这为研究多模态数据处理和有限视场适应性提供了宝贵资源。其次，数据集涵盖了室内和室外环境，并考虑了不同大小的无人机，从微型飞行器到标准商用平台。此外，数据集还包含了基于运动捕捉系统的地面真实数据，以及与现有LiDAR-based无人机跟踪算法的基线比较，这为评估现有算法和开发新的算法提供了基准。
使用方法
使用该数据集的方法主要包括以下几个方面：首先，研究人员可以根据需要选择合适的传感器数据进行研究，例如，可以使用旋转式LiDAR数据进行全局跟踪，使用固态LiDAR数据进行局部跟踪，或者使用RGB-D相机数据进行视觉跟踪。其次，研究人员可以利用数据集中的地面真实数据进行算法评估，以验证其算法的准确性和鲁棒性。最后，研究人员可以参考数据集中的基线比较结果，以了解现有算法的优缺点，并据此进行算法改进和优化。
背景与挑战
背景概述
在无人机(UAV)在各行各业日益普及的背景下，特别是在全球定位系统(GNSS)受限的环境中，无人机的导航和跟踪已经成为一个关键问题。为了应对这一需求，研究人员Iacopo Catalano、Xianjia Yu和Jorge Pe˜na Queralta等在芬兰图尔库大学智能嵌入式和机器人系统(TIERS)实验室以及瑞士联邦理工学院苏黎世分校的SCAI实验室合作，创建了一个名为uav multi lidar dataset的新数据集。该数据集包括旋转式激光雷达、两种具有不同视场(FOV)和扫描模式的固态激光雷达以及一个RGB-D相机。这一多样化的传感器套件为研究新挑战提供了便利，包括有限的FOV适应性和多模态数据处理。该数据集促进了现有算法的评估和新算法的开发，为无人机跟踪技术的进步铺平了道路。此外，数据集涵盖了室内和室外环境，并考虑了不同大小的无人机，从微型空中车辆到更标准的商用无人机平台。该数据集的创建旨在促进无人机跟踪和开发鲁棒的算法，以处理不同范围的激光雷达数据，并解决GNSS受限环境中的无人机跟踪问题。
当前挑战
该数据集旨在解决无人机跟踪在GNSS受限环境中的挑战。具体挑战包括：1)GNSS信号在特定环境（如室内或城市峡谷）中的不可用性限制了无人机定位和跟踪的准确性和可靠性；2)现有的方法可能依赖于昂贵的硬件或需要大量的计算能力，这影响了它们的实用性和可扩展性；3)固态激光雷达的数据稀缺，而这些传感器是长程扫描技术的最新发展，可以生成高密度的点云，非常适合在三维空间中跟踪物体，包括无人机。该数据集提供了基准比较，展示了当前方法的局限性，并无法在不同场景中一致地跟踪无人机。因此，该数据集的创建旨在为无人机跟踪算法的发展提供新的方向，并解决GNSS受限环境中的无人机跟踪问题。
常用场景
经典使用场景
uav multi lidar dataset 是一个针对无人机在 GNSS 信号受限环境下进行跟踪的专用多激光雷达数据集。该数据集包含了旋转激光雷达、两种具有不同视场和扫描模式的固态激光雷达以及 RGB-D 摄像机的数据，旨在帮助研究人员解决有限视场适应性和多模态数据处理等挑战。数据集包括室内和室外环境下的数据，以及不同尺寸的无人机，从而为无人机跟踪算法的研究和开发提供支持。
实际应用
uav multi lidar dataset 可用于无人机跟踪算法的研究和开发，例如在反无人机系统、无人机物流等领域。该数据集可以帮助研究人员开发更鲁棒、准确和高效的无人机跟踪算法，从而提高无人机在 GNSS 信号受限环境下的导航和跟踪能力。
衍生相关工作
uav multi lidar dataset 衍生了一系列相关的工作，包括无人机跟踪算法的研究、多模态数据处理方法的研究以及传感器融合技术的研究等。这些相关工作有助于推动无人机跟踪技术的发展，并为无人机在 GNSS 信号受限环境下的应用提供支持。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
giovannidemuri__sharegpt-ex50000-seed5_llama8b-er-v573-seed2-hx_256_ngt0.7_tp0.9
该数据集包含了用户与助手之间的对话，其中包含两个字段：用户发言和助手回应，均为字符串类型。训练集大小为38646852字节，共有44096条对话记录。
huggingface 收录
Materials Project 在线材料数据库
Materials Project 是一个由伯克利加州大学和劳伦斯伯克利国家实验室于 2011 年共同发起的大型开放式在线材料数据库。这个项目的目标是利用高通量第一性原理计算，为超过百万种无机材料提供全面的性能数据、结构信息和计算模拟结果，以此加速新材料的发现和创新过程。数据库中的数据不仅包括晶体结构和能量特性，还涵盖了电子结构和热力学性质等详尽信息，为研究人员提供了丰富的材料数据资源。相关论文成果为「Commentary: The Materials Project: A materials genome approach to accelerating materials innovation」。
超神经 收录
UniProt
UniProt（Universal Protein Resource）是全球公认的蛋白质序列与功能信息权威数据库，由欧洲生物信息学研究所（EBI）、瑞士生物信息学研究所（SIB）和美国蛋白质信息资源中心（PIR）联合运营。该数据库以其广度和深度兼备的蛋白质信息资源闻名，整合了实验验证的高质量数据与大规模预测的自动注释内容，涵盖从分子序列、结构到功能的全面信息。UniProt核心包括注释详尽的UniProtKB知识库（分为人工校验的Swiss-Prot和自动生成的TrEMBL），以及支持高效序列聚类分析的UniRef和全局蛋白质序列归档的UniParc。其卓越的数据质量和多样化的检索工具，为基础研究和药物研发提供了无可替代的支持，成为生物学研究中不可或缺的资源。
www.uniprot.org 收录
中国1km分辨率逐月降水量数据集（1901-2024）
该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2024.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录
学生课堂行为数据集 (SCB-dataset3)
学生课堂行为数据集(SCB-dataset3)由成都东软学院创建，包含5686张图像和45578个标签，重点关注六种行为：举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景，通过YOLOv5、YOLOv7和YOLOv8算法评估，平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础，解决教育领域中学生行为数据集的缺乏问题。
arXiv 收录