UrbanNav

UrbanNav数据集旨在为社区提供一个具有挑战性的数据源，以进一步加速在具有挑战性的城市峡谷中进行精确和稳健定位的研究。该数据集包括来自GNSS接收器、LiDAR、相机和IMU的传感器测量，以及来自SPAN-CPT系统的精确地面实况。与现有数据集不同，UrbanNav提供原始GNSS RINEX数据，使用户能够通过原始数据提高GNSS定位性能。

The UrbanNav dataset is designed to provide the community with a challenging data source to further accelerate research on precise and robust positioning in challenging urban canyons. The dataset includes sensor measurements from GNSS receivers, LiDAR, cameras, and IMUs, as well as precise ground truth from the SPAN-CPT system. Unlike existing datasets, UrbanNav offers raw GNSS RINEX data, enabling users to enhance GNSS positioning performance through raw data.

原始信息汇总

数据集概述：UrbanNav

数据集描述

UrbanNav是一个开放源代码的定位数据集，专门收集于亚洲城市峡谷地区，包括东京和香港。该数据集旨在为社区提供一个具有挑战性的数据源，以加速在具有挑战性的城市峡谷中进行精确和鲁棒定位的研究。

数据集内容

• 传感器数据：包括来自GNSS接收器、LiDAR、相机和IMU的测量数据。
• 地面实况：使用SPAN-CPT系统提供的精确地面实况。
• 特殊功能：提供原始GNSS RINEX数据，用户可以通过这些原始数据改进GNSS定位性能。

数据集目标

• 通过开放源代码的数据集基准测试不同的定位算法。
• 提高对高度城市化地区特别是亚太地区迫切导航需求的认识。

数据集版本更新

• 提供了一个更新的UrbanNavDataset供测试和评估。

数据集联系作者

• Weisong Wen, Feng Huang, Li-ta Hsu 来自香港理工大学智能定位与导航实验室。

数据集使用

• 如果使用UrbanNav进行学术研究，请引用相关论文。
• 对于使用数据集时遇到的问题，可以通过GitHub问题列表或联系作者获取帮助。

数据集传感器设置

• 香港数据集：使用Honda Fit平台，配备3D LiDAR传感器、IMU、GNSS接收器、相机和SPAN-CPT系统。
• 东京数据集：使用Toyota Rush平台，配备3D LiDAR传感器、GNSS接收器、IMU和地面实况Applanix POS LV620系统。

数据集下载

• 数据集可通过Dropbox和Baidu Cloud链接下载，包括ROS文件、RINEX文件和CSV文件。

数据集贡献

• 欢迎研究人员贡献其数据集作为UrbanNav的一部分，并分享其导航解决方案结果和源代码。

数据集相关工作

• 包括GNSS/LiDAR集成、GNSS/INS集成、LiDAR SLAM等算法的研究和验证。

数据集相关出版物

• 提供了多篇与数据集相关的学术论文，涉及GNSS定位、城市峡谷中的导航技术等主题。

搜集汇总

数据集介绍

构建方式

UrbanNav数据集的构建基于在亚洲城市峡谷中收集的多传感器数据，涵盖了东京和香港等典型城市环境。数据采集平台配备了高精度的GNSS接收器、LiDAR、相机和IMU，以及来自SPAN-CPT系统的精确地面真值。这些传感器数据通过ROS系统进行同步和记录，确保了数据的时间一致性和完整性。此外，UrbanNav还提供了原始GNSS RINEX数据，使用户能够通过这些原始数据改进GNSS定位性能。

特点

UrbanNav数据集的显著特点在于其专注于城市峡谷中的GNSS定位问题，同时提供了多传感器数据的全面集成。该数据集不仅包括GNSS定位数据，还涵盖了LiDAR、相机和IMU的测量数据，以及高精度的地面真值。此外，UrbanNav提供了原始GNSS RINEX数据，这在现有的数据集中较为罕见，为用户提供了更大的灵活性和研究深度。

使用方法

使用UrbanNav数据集时，用户可以通过ROS系统访问和处理数据，包括GNSS定位、LiDAR点云、相机图像和IMU数据。对于非ROS用户，数据集也提供了CSV格式的IMU和SPAN-CPT数据。此外，UrbanNav还推荐使用RTKLIB工具处理GNSS RINEX数据。为了进一步简化数据访问和处理，UrbanNav计划开源GraphGNSSLib包，该包将提供对GNSS RINEX文件的便捷访问，并支持GNSS定位和实时动态（RTK）使用因子图优化（FGO）。

背景与挑战

背景概述

UrbanNav数据集是由香港理工大学智能定位与导航实验室（Intelligent Positioning and Navigation Laboratory）主导创建的，旨在解决亚洲城市峡谷中的定位与导航问题。该数据集的创建始于2019年，主要研究人员包括Weisong Wen、Li-Ta Hsu等。UrbanNav数据集的核心研究问题是如何在城市峡谷环境中，利用低成本传感器实现高精度的定位。由于高楼大厦导致的非视距（NLOS）接收和多路径效应，GNSS的精度在城市峡谷中受到严重挑战。此外，动态物体的存在也会影响LiDAR和相机的性能。UrbanNav数据集通过提供GNSS原始数据（RINEX格式）以及LiDAR、相机和IMU的测量数据，为研究社区提供了一个具有挑战性的数据源，以推动在复杂城市环境中的定位技术研究。

当前挑战

UrbanNav数据集面临的挑战主要集中在两个方面。首先，城市峡谷环境中GNSS信号的非视距接收和多路径效应严重影响了定位精度，这是该数据集试图解决的核心问题。其次，数据集的构建过程中，如何确保多传感器数据的时间同步和坐标系一致性是一个技术难题。此外，动态物体的存在增加了数据处理的复杂性，需要开发新的算法来排除这些干扰。UrbanNav数据集的开放性和多样性为研究者提供了丰富的实验数据，但也对算法的鲁棒性和适应性提出了更高的要求。

常用场景

经典使用场景

UrbanNav数据集在城市峡谷环境中为定位和导航算法提供了丰富的多传感器数据，包括GNSS、LiDAR、相机和IMU的测量数据。其经典使用场景主要集中在利用这些数据进行高精度定位算法的开发与验证。例如，研究者可以通过分析GNSS原始数据（RINEX格式）来改进城市峡谷中的GNSS定位精度，同时结合LiDAR和相机数据进行多传感器融合定位，以应对城市环境中常见的多路径效应和动态物体干扰。

衍生相关工作

UrbanNav数据集的发布催生了多项相关研究工作。例如，研究者基于该数据集开发了多种GNSS/LiDAR/INS融合定位算法，如P3-LOAM和GraphGNSSLib，这些算法在城市峡谷环境中表现出色。此外，UrbanNav数据集还促进了多传感器融合技术的研究，推动了自动驾驶和智能交通系统的发展。通过提供高质量的数据，UrbanNav数据集为学术界和工业界在城市定位和导航领域的创新提供了坚实的基础。

数据集最近研究

最新研究方向

在城市峡谷环境中，UrbanNav数据集的最新研究方向主要集中在提升GNSS定位的精度和鲁棒性。由于城市峡谷中高耸建筑物的遮挡和多路径效应，GNSS信号的接收和处理面临巨大挑战。因此，研究者们致力于通过融合GNSS原始数据（RINEX格式）、LiDAR、摄像头和IMU等多传感器数据，开发新的定位算法。这些算法不仅需要处理GNSS的非视距（NLOS）接收问题，还需应对动态物体对LiDAR和摄像头数据的影响。此外，UrbanNav数据集还推动了基于因子图优化（FGO）的实时动态定位（RTK）技术的研究，旨在为高度城市化的亚洲地区提供更为精确和可靠的导航解决方案。