UrbanNav

UrbanNav数据集是一个在亚洲城市峡谷中收集的开放源代码定位数据集，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，以进一步加速在具有挑战性的城市峡谷中进行准确和稳健定位的研究。数据集包括来自GNSS接收器、激光雷达、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，用户可以通过原始数据提高GNSS定位性能。简而言之，UrbanNav数据集特别关注在城市峡谷中改进GNSS定位，但也提供来自激光雷达、相机和IMU的传感器测量。

The UrbanNav dataset is an open-source positioning dataset collected in urban canyons across Asian cities, including Tokyo and Hong Kong. This dataset aims to provide the community with a challenging data source to further accelerate research on accurate and robust positioning in challenging urban canyon environments. The dataset includes sensor measurements from GNSS receivers, LiDAR, cameras, and IMUs, as well as precise ground truth data from the SPAN-CPT system. Unlike existing datasets, UrbanNav offers raw GNSS RINEX data, enabling users to enhance GNSS positioning performance through raw data processing. In summary, the UrbanNav dataset focuses on improving GNSS positioning in urban canyons while also providing sensor measurements from LiDAR, cameras, and IMUs.

原始信息汇总

数据集概述

数据集名称

• UrbanNav

数据集描述

• UrbanNav 是一个在亚洲城市峡谷中收集的开放源定位数据集，包括东京和香港。该数据集旨在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精确和鲁棒定位的研究。

数据集内容

• 包含来自GNSS接收器、LiDAR、相机和IMU的传感器测量数据，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，用户可以通过原始数据提高GNSS定位性能。

数据集特点

• 专注于改善城市峡谷中的GNSS定位，同时也提供来自LiDAR、相机和IMU的传感器测量。

香港数据集详情

传感器配置

• 平台: Honda Fit
• 传感器:
  • 3D LiDAR: HDL 32E Velodyne (360 HFOV, +10~-30 VFOV, 80m range, 10Hz)
  • IMU: Xsens Mti 10 (100 Hz, AHRS)
  • GNSS接收器: u-blox M8T或u-blox F9P
  • 相机: (1920X1200,79.4°X96.8°, 10Hz)
  • SPAN-CPT: (RTK GNSS/INS, RMSE: 5cm, 1Hz)

数据集信息

• 名称: UrbanNav-HK-Data20190428
• 收集日期: 2019/04/28
• 总大小: 42.9 GB
• 路径长度: 2.01 Km
• 传感器: GNSS/LiDAR/Camera/IMU/SPAN-CPT
• 下载链接: 通过Dropbox和Baidou Clouds提供ROS和RINEX格式的数据文件。

东京数据集详情

传感器配置

• 传感器:
  • 3D LiDAR: 16通道，puck，Velodyne
  • IMU: (50 Hz)
  • GNSS接收器: Trimble
  • 地面实况: RTK GNSS/INS (RMSE: 5cm, 10Hz)

数据集信息

• 名称: UrbanNav-TK-20181219
• 收集日期: 2018/12/19
• 总大小: 4.14 GB
• 路径长度: >10 Km
• 传感器: GNSS/LiDAR/IMU/Ground Truth
• 下载链接: 通过Dropbox和Baidou Clouds提供数据文件。

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定位数据，涵盖了东京和香港等典型城市环境。数据采集平台配备了一系列高精度传感器，包括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，确保了数据的高质量和一致性。此外，数据集还提供了原始GNSS RINEX数据，使用户能够通过这些原始数据提升GNSS定位的性能。

使用方法

使用UrbanNav数据集时，用户可以通过ROS系统访问和处理传感器数据，包括GNSS定位信息、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，数据集还推荐使用RTKLIB工具处理GNSS RINEX文件，以实现更精确的GNSS定位。用户可以通过GitHub页面获取数据集的下载链接，并根据需要选择Dropbox或百度云进行下载。

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的Weisong Wen和Li-ta Hsu等研究人员创建的，旨在解决亚洲城市峡谷中的定位与导航问题。该数据集于近年发布，专注于在复杂城市环境中使用低成本传感器进行高精度定位。UrbanNav数据集不仅提供了GNSS接收器、LiDAR、相机和IMU的传感器测量数据，还包含了来自SPAN-CPT系统的精确地面真值。其核心研究问题是如何在城市峡谷中克服GNSS信号的多路径效应和非视距接收问题，以及如何处理动态物体对LiDAR和相机性能的影响。UrbanNav数据集的发布对推动城市环境中的定位技术研究具有重要意义，尤其是在亚洲高度城市化的地区。

当前挑战

UrbanNav数据集面临的挑战主要集中在两个方面。首先，城市峡谷中的高耸建筑物和动态物体对GNSS信号的接收造成了严重影响，导致多路径效应和非视距接收问题，这直接影响了定位的准确性。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，UrbanNav数据集还面临着如何有效处理和分析大规模传感器数据，以及如何提供用户友好的数据访问和处理工具的挑战。这些问题的解决不仅需要先进的算法支持，还需要跨学科的合作与创新。

常用场景

经典使用场景

在城市峡谷环境中，UrbanNav数据集为研究人员提供了一个独特的平台，用于评估和改进低成本传感器在复杂城市环境中的定位性能。该数据集特别关注GNSS定位的挑战，通过提供原始GNSS RINEX数据，用户可以深入分析和优化GNSS定位算法。此外，数据集还包括LiDAR、相机和IMU的测量数据，以及来自SPAN-CPT系统的精确地面真值，这使得研究人员能够全面评估多传感器融合的定位解决方案。

解决学术问题

UrbanNav数据集解决了在高度城市化区域中，由于高楼大厦导致的GNSS信号非视距接收（NLOS）和多路径效应问题。这些问题严重影响了GNSS定位的准确性。通过提供详细的传感器数据和地面真值，该数据集为学术界提供了一个基准，用于开发和验证新的定位算法，特别是在动态对象密集的城市环境中。这不仅推动了GNSS定位技术的发展，还促进了多传感器融合技术的研究。

实际应用

在实际应用中，UrbanNav数据集为自动驾驶汽车、无人机和机器人导航系统提供了宝贵的测试和验证资源。特别是在亚洲城市峡谷中，这些系统需要高度精确的定位信息来确保安全和高效的运行。通过使用UrbanNav数据集，开发人员可以优化其定位算法，以应对复杂的城市环境，从而提高这些系统的可靠性和鲁棒性。此外，该数据集还支持城市规划和交通管理领域的研究，帮助改善城市基础设施的设计和运营。

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低成本传感器在复杂城市环境中的定位精度。由于高楼大厦导致的非视距（NLOS）接收和多路径效应，GNSS信号的准确性受到严重挑战。因此，研究者们正致力于通过利用UrbanNav提供的原始GNSS数据（RINEX格式）来改进GNSS定位算法。此外，结合LiDAR、相机和IMU等多传感器数据，研究者们也在探索多传感器融合技术，以提高在动态对象密集的城市环境中的定位鲁棒性。这些研究不仅有助于推动城市导航技术的发展，还为智能交通系统和自动驾驶汽车提供了关键的技术支持。