MineInsight

MineInsight 是一个公开的多光谱数据集，旨在支持机器人排雷和越野导航的进展。它包括可见光（RGB、单色）、短波红外（VIS-SWIR）、长波红外（LWIR）和LiDAR扫描等多种传感器数据。数据集包含超过38,000帧RGB图像、53,000帧VIS-SWIR图像和108,000帧LWIR图像，记录了白天和夜间的条件，包含35个不同的目标分布在3条轨道上。MineInsight is a public multispectral dataset designed to advance the development of robotic demining and off-road navigation. It encompasses multi-sensor data including visible light (RGB, monochromatic), shortwave infrared (VIS-SWIR), longwave infrared (LWIR), and LiDAR scans. The dataset comprises over 38,000 RGB image frames, 53,000 VIS-SWIR image frames, and 108,000 LWIR image frames. It captures both daytime and nighttime conditions, and features 35 distinct targets distributed across three tracks.

原始信息汇总

MineInsight: 多光谱数据集用于人道排雷机器人

数据集概述

MineInsight 是一个公开发布的多光谱数据集，旨在支持机器人排雷和越野导航技术的进步。该数据集包含了多种传感器的数据，包括可见光（RGB、单色）、短波红外（SWIR）、长波红外（LWIR）和 LiDAR 扫描。数据集从无人地面车辆（UGV）及其机械臂上获取双视角传感器扫描，提供了多个视角以减少遮挡并提高检测准确性。

数据集包含超过38,000个RGB帧、53,000个SWIR帧和108,000个LWIR帧，在白天和夜间条件下记录，涵盖35种不同的目标，分布在3条轨道上。MineInsight 作为开发评估检测算法的基准，还提供了对象定位的估计，以支持研究人员的算法验证和性能基准测试。

数据集结构

• 轨道和序列：数据集在3条不同的轨道上收集，每条轨道设计为代表不同的排雷场景，具有不同的地形和环境条件。
• 目标：每条轨道上都有详细的目标清单，提供目标的唯一标识符、官方名称、视觉参考和详细说明。
• 校准：数据集包括所有相机和LiDAR的内在和外在校准文件。
• 数据：数据以ROS 2包、带有Livox自定义消息的ROS 2包和原始图像三种格式提供。
• 目标位置注释：每个目标的位置在每个轨道的每个序列中都进行了估计。

数据格式

• ROS 2包结构：每个ROS 2包包括多个主题，涵盖不同传感器的原始和 rectified 图像、IMU数据、点云数据等。
• ROS 2包下载：提供每个轨道序列的ROS 2包下载链接。
• 原始图像：提供每个轨道序列的RGB、SWIR和LWIR图像下载链接。

使用许可

该数据集遵循Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)许可，允许非商业共享和改编，但需归功于作者并应用相同的许可给派生作品。

数据集详情 | 论文 | GitHub

搜集汇总

数据集介绍

构建方式

MineInsight数据集的构建采用了多种传感器融合的方式，包括RGB、SWIR、LWIR和LiDAR扫描，以及双视角传感器扫描，以减少遮挡并提高检测准确性。数据集在白天和夜间条件下记录了超过38,000个RGB帧、53,000个SWIR帧和108,000个LWIR帧，包含了35种不同的目标，分布在3条不同的轨道上，为土地雷检测和越野导航算法的发展提供了一个基准。

使用方法

使用MineInsight数据集时，可以通过ROS 2 Bags、带有Livox Custom Msg的ROS 2 Bags或原始图像三种格式进行下载。对于ROS 2 Bags，数据集提供了详细的topics和message types，用户可以根据需要选择相应的数据。对于原始图像，数据集按轨道和序列进行了组织，方便用户使用。此外，数据集还提供了目标位置标注，支持用户进行算法验证和性能基准测试。

背景与挑战

背景概述

MineInsight数据集是由比利时皇家军事学院和鲁汶大学等机构的研究人员共同创建的，旨在支持机器人排雷和越野导航领域的研究。该数据集收集了超过38,000个RGB帧、53,000个SWIR帧和108,000个LWIR帧，涵盖了35种不同的目标，分布在3条不同的轨迹上，为开发者和研究人员提供了一个评估和验证算法性能的基准。

当前挑战

MineInsight数据集在构建过程中遇到的挑战包括：确保数据的质量和一致性，处理多源传感器数据融合的问题，以及为算法开发提供准确的地面实况和目标定位标注。在解决领域问题方面，该数据集面临的挑战是如何有效地利用多光谱数据提高地雷检测的准确性和可靠性。

常用场景

经典使用场景

MineInsight数据集是一个多光谱数据集，专为支持人道排雷机器人在越野环境下的研究而设计。其经典使用场景包括作为开发与评估排雷检测算法的基准，提供了丰富的传感器数据，包括RGB、SWIR、LWIR和LiDAR扫描，以及双视角传感器扫描，有助于减少遮挡并提高检测准确性。

解决学术问题

该数据集解决了传统排雷方法速度慢、危险且成本高的问题，为人道排雷和越野导航领域的研究提供了宝贵的资源。它通过提供对象定位估计，支持算法验证和性能基准测试，促进了土地雷检测、越野导航和传感器融合技术的进步。

实际应用

在实际应用中，MineInsight数据集可用于开发机器人系统，这些系统可以在危险环境中进行土地雷检测，从而减少人员伤亡风险，提高排雷效率。此外，它还可以用于训练机器学习模型，以改善越野导航和传感器数据处理。

数据集最近研究

最新研究方向

MineInsight数据集专注于为人道排雷机器人提供多光谱数据，支持领域内的前沿研究方向包括但不限于：排雷机器人的感知与导航、多传感器数据融合、目标检测与定位。该数据集通过提供38,000 RGB帧、53,000 SWIR帧和108,000 LWIR帧，覆盖了日间和夜间条件，为研究人员提供了一个评估和验证算法性能的基准。近期研究利用MineInsight数据集在提高排雷准确性和机器人自主导航方面取得了显著进展，对 humanitarian demining 和 off-road navigation 领域产生了重要影响。