AQUALOC

AQUALOC数据集是由法国国家科学研究中心创建，专注于水下车辆同时定位与地图构建方法的发展。该数据集包含17个数据序列，记录于三个不同环境：港口、第一个考古遗址和第二个考古遗址。数据采集使用配备单色相机、低成本惯性测量单元、压力传感器和计算单元的遥控车辆。数据集提供ROS包和原始数据格式，旨在促进水下视觉定位方法的发展，解决水下环境中的定位问题。The AQUALOC dataset was developed by the French National Centre for Scientific Research, focusing on advancing simultaneous localization and mapping (SLAM) techniques for underwater vehicles. It comprises 17 data sequences collected across three distinct environments: a harbor, a first archaeological site, and a second archaeological site. Data was acquired using a remotely operated vehicle equipped with a monochromatic camera, a low-cost inertial measurement unit, a pressure sensor, and a computing unit. The dataset provides both ROS packages and raw data formats, with the objective of facilitating the development of underwater visual localization methods and addressing localization challenges in underwater environments.

搜集汇总

数据集介绍

构建方式

AQUALOC数据集是通过在三个不同的水下环境中记录数据序列构建的，包括一个深度为几米的海港、一个深度为270米的水下考古遗址和一个深度为380米的水下考古遗址。数据采集使用的是配备有单目单色相机、低成本惯性测量单元、压力传感器和计算单元的遥控潜水器。所有传感器的测量值都在计算单元上同步记录，并从中创建了17个数据序列。这些序列以ROS包和原始数据的形式提供。为了允许与实时定位方法的比较，还为每个序列计算了离线的轨迹。

特点

AQUALOC数据集的特点在于其多样化的场景和情境。场景包括低纹理区域和非常重复纹理的区域，而情境则包括探索、摄影测量调查和操作等。数据集还提供了使用最先进的Structure-from-Motion (SfM)库Colmap计算的每个序列的比较基线轨迹。这些轨迹通过匹配序列中所有图像来检测许多闭环，从而计算出准确的轨迹，并由低平均重投影误差评估。此外，还提供了每个序列的匹配图像列表，可用于评估重定位或闭环检测方法。

使用方法

AQUALOC数据集的使用方法包括将其作为ROS包和原始数据。ROS包格式提供了摄像头图像、IMU测量值和压力测量值等数据。原始数据格式则提供了摄像头图像、IMU和磁力计测量值的时间戳、深度测量值和温度测量值等数据。此外，还提供了使用Colmap计算的每个序列的轨迹和匹配图像列表。这些数据可用于评估和比较水下定位方法，并促进水下VSLAM和VIO方法的发展。

背景与挑战

背景概述

AQUALOC数据集致力于为水下机器人的同时定位与建图（SLAM）方法的发展提供支持。该数据集由Maxime Ferrera等人创建，于2019年10月发布。数据集包含在三个不同环境中记录的数据序列：一个深度为数米的海港，一个深度为270米的第一考古遗址，以及一个深度为380米的第二考古遗址。数据采集使用配备有单目单色相机、低成本惯性测量单元（IMU）、压力传感器和计算单元的遥控操作车辆（ROV）进行。所有传感器的测量数据同步记录在计算单元上，共创建了17个序列。这些序列以ROS bags和原始数据的形式提供。为了便于与实时定位方法进行比较，每个序列还使用结构从运动（SfM）库离线计算了轨迹。通过发布此数据集，研究人员旨在为社区提供难以获取的数据，并鼓励开发专门用于水下环境的视觉定位方法。

当前挑战

AQUALOC数据集面临的主要挑战包括：1)所解决的领域问题：在水下环境中，由于光线吸收、背散射和照明问题，视觉信息受到严重退化，这对视觉SLAM（VSLAM）和视觉惯性里程计（VIO）系统提出了挑战。2)构建过程中所遇到的挑战：在水下环境中获取数据非常困难，需要专用设备和高昂的物流成本。此外，由于水下环境的特殊性，相机和IMU的校准也需要在水下环境中进行，以考虑额外的畸变效应。为了克服这些挑战，AQUALOC数据集提供了在具有不同视觉干扰的环境中记录的视频序列，并提供了离线计算的轨迹作为基线，以供比较和评估定位方法的性能。

常用场景

经典使用场景

AQUALOC数据集专注于为水下机器人开发同时定位与建图（SLAM）方法，其经典使用场景包括在水下环境中导航、考古遗址探索、海洋生物学研究、石油和天然气行业作业、以及水下测绘等。该数据集包含17个序列，分别记录了在海港和两个考古遗址的不同深度和环境下，由遥控潜水器（ROV）获取的同步视觉、惯性和压力传感器数据。这些数据集用于评估和比较实时定位方法，并促进视觉SLAM（VSLAM）和视觉惯性里程计（VIO）算法的发展，这些算法对于在水下环境中实现精确导航至关重要。

实际应用

AQUALOC数据集的实际应用场景广泛，包括但不限于水下考古、海洋生物学研究、水下结构监测和海洋资源勘探。例如，在水下考古中，AQUALOC数据集可以用于帮助机器人准确地导航到水下遗址，并创建遗址的三维地图。在海洋生物学研究中，该数据集可以用于追踪和研究海洋生物的行为。在水下结构监测中，AQUALOC数据集可以帮助监测水下结构的变化和损坏。在海洋资源勘探中，该数据集可以用于帮助寻找和评估海洋资源。AQUALOC数据集的多样性和高质量数据使其成为水下机器人研究和应用的重要工具。

衍生相关工作

AQUALOC数据集的发布推动了相关领域的研究进展。基于AQUALOC数据集，研究者们开发了一系列针对水下环境的视觉SLAM和VIO算法。这些算法能够处理水下环境的独特视觉退化特性，并实现高精度的定位和建图。此外，AQUALOC数据集还促进了水下机器人导航和控制的进一步研究，例如，基于AQUALOC数据集的研究成果可以用于开发更可靠的水下机器人导航系统，以及提高水下机器人的自主性和安全性。AQUALOC数据集的发布为水下机器人研究和应用提供了宝贵的数据资源，并推动了该领域的进一步发展。