Ground Mobile Robot Perception Dataset

这是一个用于地面移动机器人（如清扫机器人和电动轮椅）的可行驶区域和道路异常分割的RGB-D数据集。数据集包含3896张RGB-D图像，带有手工标注的分割地面实况，覆盖了30个常见场景和18种不同类型的道路异常。

This is an RGB-D dataset designed for ground mobile robots, such as cleaning robots and electric wheelchairs, focusing on drivable area and road anomaly segmentation. The dataset comprises 3,896 RGB-D images, each accompanied by manually annotated segmentation ground truth. It encompasses 30 common scenarios and 18 different types of road anomalies.

原始信息汇总

数据集概述

名称： Ground Mobile Robot Perception Dataset

描述： 该数据集包含3896张RGB-D图像，用于地面移动机器人（如清扫机器人和机器人轮椅）的可行驶区域和道路异常分割。数据集覆盖了30个常见场景和18种不同类型的道路异常。

图像类型：

• RGB图像
• 归一化深度图像
• 原始深度图像
• 分割标签

图像分辨率： 1280 x 720像素

存储结构：

• rgb: RGB图像
• depth_u8: 归一化深度图像
• depth_u16: 原始深度图像
• label: 分割标签

下载链接： 数据集可通过Google Drive或Lab NAS下载。

注意事项： 由于RealSense D415相机采集的深度图像两侧存在无效像素，建议在使用前进行裁剪。

引用信息：

@article{wang2021dynamic, title = {Dynamic fusion module evolves drivable area and road anomaly detection: A benchmark and algorithms}, author = {Wang, Hengli and Fan, Rui and Sun, Yuxiang and Liu, Ming}, journal = {IEEE Transactions on Cybernetics}, year = {2021}, publisher = {IEEE}, doi = {10.1109/TCYB.2021.3064089} }

@article{wang2019self, title = {Self-supervised drivable area and road anomaly segmentation using {RGB-D} data for robotic wheelchairs}, author = {Wang, Hengli and Sun, Yuxiang and Liu, Ming}, journal = {IEEE Robotics and Automation Letters}, volume = {4}, number = {4}, pages = {4386--4393}, year = {2019}, publisher = {IEEE}, doi = {10.1109/LRA.2019.2932874} }

搜集汇总

数据集介绍

构建方式

Ground Mobile Robot Perception Dataset的构建过程基于地面移动机器人（如扫地机器人和机器人轮椅）在实际环境中的感知需求。该数据集包含3896张RGB-D图像，涵盖了30种常见场景和18种不同类型的道路异常。每张图像均经过手工标注，提供了精确的分割真值。数据采集使用了RealSense D415相机，图像分辨率为1280 x 720像素。由于深度图像两侧存在无效像素，建议在使用前进行裁剪处理。

使用方法

使用该数据集时，研究人员可以从Google Drive或实验室NAS下载完整数据。数据集中的RGB图像、归一化深度图像、原始深度图像和分割标签分别存储在`rgb`、`depth_u8`、`depth_u16`和`label`文件夹中。建议在使用深度图像前进行裁剪，以去除无效像素。该数据集可用于地面移动机器人的可行驶区域和道路异常分割任务，支持自监督学习和动态融合模块的研究。使用该数据集时，请引用相关论文以支持学术交流。

背景与挑战

背景概述

Ground Mobile Robot Perception Dataset 是由Hengli Wang、Rui Fan、Yuxiang Sun和Ming Liu等研究人员于2019年创建的，旨在为地面移动机器人（如扫地机器人和机器人轮椅）提供可行驶区域和道路异常分割的RGB-D数据集。该数据集包含3896张RGB-D图像，涵盖了30种常见场景和18种不同类型的道路异常，为机器人感知任务提供了丰富的标注数据。该数据集的研究成果发表在IEEE Robotics and Automation Letters和IEEE Transactions on Cybernetics等顶级期刊上，推动了地面移动机器人感知技术的发展，特别是在可行驶区域分割和道路异常检测领域具有重要影响力。

当前挑战

Ground Mobile Robot Perception Dataset 的核心挑战在于解决地面移动机器人在复杂环境中感知可行驶区域和识别道路异常的问题。由于真实环境中的道路条件多变，数据集需要涵盖多种场景和异常类型，以确保模型的泛化能力。在构建过程中，研究人员面临的主要挑战包括高质量数据的采集与标注，特别是深度图像中存在无效像素的问题，这需要通过裁剪等预处理步骤来解决。此外，如何通过自监督学习方法提升分割模型的性能，也是该数据集研究中的关键挑战之一。

常用场景

经典使用场景

Ground Mobile Robot Perception Dataset 主要用于地面移动机器人（如扫地机器人和机器人轮椅）的可行驶区域和道路异常分割研究。该数据集包含3896张RGB-D图像，涵盖了30种常见场景和18种不同类型的道路异常，为机器人感知系统提供了丰富的训练和测试数据。通过该数据集，研究人员能够开发出更加精确的感知算法，提升机器人在复杂环境中的导航能力。

解决学术问题

该数据集解决了地面移动机器人在复杂环境中进行可行驶区域和道路异常分割的难题。通过提供高质量的RGB-D图像和手工标注的分割标签，研究人员能够开发出更加鲁棒和精确的感知算法。这不仅提升了机器人在实际应用中的导航能力，还为相关领域的学术研究提供了重要的数据支持，推动了机器人感知技术的发展。

实际应用

在实际应用中，Ground Mobile Robot Perception Dataset 被广泛用于地面移动机器人的感知系统开发。例如，扫地机器人可以利用该数据集中的信息来识别和避开道路上的障碍物，确保清洁任务的顺利进行。机器人轮椅则可以通过该数据集提高在复杂环境中的导航能力，为用户提供更加安全和便捷的出行体验。

数据集最近研究

最新研究方向

在移动机器人感知领域，Ground Mobile Robot Perception Dataset为地面移动机器人（如扫地机器人和机器人轮椅）的可行驶区域及道路异常分割提供了丰富的RGB-D数据资源。该数据集包含3896张RGB-D图像，涵盖了30种常见场景和18种不同类型的道路异常，为相关研究提供了坚实的基础。近年来，基于该数据集的研究方向主要集中在自监督学习和动态融合模块的应用上。自监督学习通过利用RGB-D数据进行可行驶区域和道路异常的分割，减少了对大量标注数据的依赖，提升了模型的泛化能力。动态融合模块则通过多模态数据的融合，进一步提高了检测精度和鲁棒性。这些研究不仅推动了移动机器人感知技术的发展，也为实际应用中的安全性和可靠性提供了重要保障。