UrbanNav

一个在亚洲城市峡谷（包括东京和香港）收集的开源定位数据集，包括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。该数据集特别关注在城市峡谷中提高GNSS定位，同时也提供来自LiDAR、相机和IMU的传感器测量。

An open-source positioning dataset collected in urban canyons across Asia, including Tokyo and Hong Kong, comprising sensor measurements from GNSS receivers, LiDAR, cameras, and IMUs, along with precise ground truth data from the SPAN-CPT system. This dataset specifically focuses on enhancing GNSS positioning in urban canyons while also providing sensor measurements from LiDAR, cameras, and IMUs.

原始信息汇总

UrbanNav数据集概述

数据集目标

• 开放定位传感器数据，包括GNSS、INS、LiDAR和相机，采集于亚洲城市峡谷中；
• 提高对高度城市化地区，特别是亚太地区导航需求的紧迫性认识；
• 提供一个集成在线平台，促进研究社区导航解决方案的开发和共享；
• 基于开放数据基准定位算法。

传感器配置

• 3D LiDAR传感器: HDL 32E Velodyne (360 HFOV, +10~-30 VFOV, 80m range, 10Hz)
• 倾斜LiDARs: VLP16 Velodyne, Lslidar C16
• IMU: Xsens Mti 10 (400 Hz, AHRS)
• GNSS接收器: u-blox ZED-F9P(x2), EVK-M8T(x1)(1 Hz), NovAtel Flexpak6 (1 Hz)
• 相机: ZED2 Stereo (15 Hz)
• SPAN-CPT: (RTK GNSS/INS, RMSE: 5cm, 1Hz)

数据集内容

数据集名称	总大小	路径长度	传感器	城市峡谷类型	下载链接
UrbanNav-HK-Medium-Urban-1	33.7 GB	3.64 Km	LiDARs/Stereo Camera/IMU/GNSS	中度	ROS
UrbanNav-HK-Deep-Urban-1	63.9 GB	4.51 Km	LiDARs/Stereo Camera/IMU/GNSS	深度	ROS
UrbanNav-HK-Harsh-Urban-1	147 GB	4.86 Km	LiDARs/Stereo Camera/IMU/GNSS	严酷	ROS
UrbanNav-HK-Tunnel-1	17 GB	3.15 Km	LiDARs/Stereo Camera/IMU/GNSS	隧道	ROS

数据集特点

• 提供原始GNSS RINEX数据，用户可通过原始数据提升GNSS定位性能；
• 专注于提升城市峡谷中的GNSS定位，同时提供LiDAR、相机和IMU的传感器测量数据；
• 包含精确的地面实况数据，来自SPAN-CPT系统。

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（如东京和香港）中收集的多传感器数据，旨在解决低成本传感器在复杂城市环境中的定位问题。数据集包括GNSS接收器、LiDAR、相机和IMU的测量数据，以及来自SPAN-CPT系统的精确地面实况。特别地，UrbanNav提供了原始GNSS RINEX数据，使得用户能够通过这些数据提升GNSS定位性能。数据集的收集平台是一辆配备多种传感器的本田Fit汽车，确保了数据的多源性和高精度。

使用方法

使用UrbanNav数据集时，用户可以通过ROS包或直接下载GNSS RINEX文件进行数据访问。对于ROS用户，数据集提供了包含LiDAR点云、相机图像、IMU数据和GNSS测量数据的ROSbag文件。非ROS用户可以通过CSV文件访问IMU数据。此外，UrbanNav还提供了用于GNSS定位和实时动态（RTK）的工具包GraphGNSSLib，帮助用户更高效地处理和分析数据。

背景与挑战

背景概述

UrbanNav数据集由香港理工大学智能定位与导航实验室的研究团队创建，旨在解决亚洲城市峡谷中的定位与导航问题。该数据集收集了东京和香港等城市的多传感器数据，包括GNSS接收器、LiDAR、摄像头和IMU的测量数据，并提供了高精度的地面真实数据。UrbanNav数据集的核心研究问题是如何在复杂的城市环境中提高低成本传感器的定位精度，特别是在高楼林立的城市峡谷中，GNSS信号的非视距接收和多路径效应严重影响了定位精度。UrbanNav数据集的发布为研究社区提供了一个挑战性的数据源，推动了城市环境中定位算法的进一步发展。

当前挑战

UrbanNav数据集面临的挑战主要集中在两个方面：一是城市峡谷中GNSS信号的非视距接收和多路径效应，这严重影响了GNSS定位的精度；二是动态物体对LiDAR和摄像头性能的干扰，导致传感器数据的失真。此外，数据集的构建过程中还面临着传感器校准、数据同步和处理复杂性等技术挑战。UrbanNav数据集的目标是通过提供高质量的多传感器数据，帮助研究者开发更精确和鲁棒的定位算法，以应对城市环境中的复杂挑战。

常用场景

经典使用场景

UrbanNav数据集在城市峡谷环境中提供了多传感器数据，包括GNSS、LiDAR、相机和IMU的测量数据，特别适用于研究低成本传感器在复杂城市环境中的定位与导航问题。通过提供原始GNSS RINEX数据，研究者可以深入分析和改进GNSS定位性能，尤其是在高楼林立、动态物体密集的城市峡谷中。

解决学术问题

UrbanNav数据集解决了在城市峡谷中GNSS定位精度下降的问题，尤其是在非视距（NLOS）接收和多路径效应显著的情况下。通过提供多传感器数据和精确的地面实况，该数据集为研究者提供了一个基准，用于开发和验证新的定位算法，从而提高在复杂城市环境中的定位精度。

实际应用

UrbanNav数据集在自动驾驶、智能交通系统和无人机导航等领域具有广泛的应用前景。通过在真实城市环境中收集的数据，开发者可以测试和优化定位算法，确保其在实际应用中的鲁棒性和准确性。此外，该数据集还可用于城市规划和环境监测等领域，帮助分析城市环境对定位技术的影响。

数据集最近研究

最新研究方向

UrbanNav数据集在城市峡谷环境中的定位与导航研究中展现了显著的前沿性。该数据集聚焦于GNSS在复杂城市环境中的定位精度提升，同时整合了LiDAR、相机和IMU等多传感器数据，为研究者提供了丰富的实验平台。近年来，随着自动驾驶和智能交通系统的快速发展，如何在高度城市化的环境中实现精确且鲁棒的定位成为研究热点。UrbanNav数据集通过提供原始GNSS RINEX数据，使得研究者能够深入探索GNSS信号的多路径效应和非视距接收问题，推动了GNSS/INS集成算法和LiDAR SLAM等技术的进步。此外，该数据集的开放性为全球研究者提供了一个共享和验证导航算法的平台，进一步促进了城市导航技术的创新与发展。