KLT Dataset

KLT数据集是一个轻型城市场景数据集，包含使用U-blox F9P接收器收集的GNSS原始测量数据、SPAN-CPT系统提供的地面真实数据，以及GPS和Beidou卫星的LOS/NLOS标签。此外，数据集中还包括IMU、LiDAR和摄像机记录等附加数据，这些数据以ROS bag文件的形式提供。

The KLT dataset is a light-weight urban scene dataset that encompasses raw GNSS measurement data collected via a U-blox F9P receiver, ground-truth data provided by the SPAN-CPT system, and LOS/NLOS labels for GPS and Beidou satellites. Additionally, the dataset includes supplementary data such as IMU, LiDAR, and camera recordings, all of which are provided in the form of ROS bag files.

原始信息汇总

KLTDataset

数据集概述

KLTDataset是一个轻型城市场景数据集，包含以下数据：

• GNSS原始测量数据：使用U-blox F9P接收器收集。
• 地面真值：由SPAN-CPT系统提供。
• LOS/NLOS标签：为GPS和Beidou卫星提供。
• 附加数据：包括IMU、LiDAR和摄像机记录，存储在ROS bag文件中。

数据集内容

• GNSS数据：由U-blox F9P收集，观测文件存储在data/GNSS/*/COM*.obs。
• 地面真值：存储在label/*/gt.csv，包含时间戳和LLH坐标。
• 标签数据：存储在label/*/nlos.pkl，使用Python pickle生成。
• 图像数据：存储在label/image.zip，包含三种类型的图像：原始鱼眼图像、展开的鱼眼图像和天空分割图像。
• ROS Bag文件：包含IMU、LiDAR和摄像机数据。

数据集结构

. ├── config │ ├── 0610_klt1_203.json │ ├── ... ├── data │ ├── GNSS │ └── ROS ├── label │ ├── 0610_KLT1_203 │ ├── 0610_KLT2_209 │ ├── 0610_KLT3_404 │ ├── 1109_KLT1_421 │ ├── 1109_KLT2_294 │ ├── 1109_KLT2_301 │ ├── 1109_KLT3_666 │ ├── 1116_KLT1_184 │ ├── 1116_KLT2_169 │ └── 1116_KLT3_649 ├── LICENSE ├── README.md ├── requirements.txt ├── rtk_util.py └── demo.py

数据集子集

数据集包含10个子集，每个子集在时间、卫星分布和光照条件上有所不同。

子集编号	日期	时间	区域	光照条件	历元	样本数	LOS/NLOS
KLT1-203	2021.06.10	11:35-11:38	KLT1	高	203	3295	1862/1433
KLT2-209	2021.06.10	11:48-11:51	KLT2	高	209	3498	1738/1760
KLT3-404	2021.06.10	11:52-11:58	KLT3	高	404	6309	3918/2391
KLT2-301	2023.11.09	17:37-17:42	KLT2	高	301	4838	3154/1684
KLT2-294	2023.11.09	17:43-17:48	KLT2	高	294	4992	3253/1739
KLT1-421	2023.11.09	17:05-17:12	KLT1	高	421	6607	4197/2410
KLT3-666	2023.11.09	17:12-17:23	KLT3	中	666	10085	6481/3604
KLT2-169	2023.11.16	17:50-17:53	KLT2	中	169	2713	1710/1003
KLT1-184	2023.11.16	17:53-17:56	KLT1	低	184	2891	1877/1014
KLT3-649	2023.11.16	17:56-18:07	KLT3	非常低	649	9826	/

数据集创建者

• Dr. Li-Ta Hsu
• Dr. Weisong Wen
• Runzhi Hu
• Feng Huang
• Yihan Zhong
• Xiao Xia
• Ivan Ng

搜集汇总

数据集介绍

构建方式

在构建KLT数据集时，研究团队采用了先进的U-blox F9P接收器收集GNSS原始测量数据，并结合SPAN-CPT系统提供的地面真实数据。此外，数据集还包含了GPS和Beidou卫星的LOS/NLOS标签，以及IMU、LiDAR和相机记录的附加数据。通过自动化标签技术，团队实现了对NLOS卫星的高精度识别，准确率接近99%。数据集的构建考虑了时间变化、卫星分布和光照条件，确保了数据的全面性和可靠性。

特点

KLT数据集的显著特点在于其综合性和精确性。该数据集不仅包含了GNSS原始测量数据和地面真实数据，还提供了GPS和Beidou卫星的LOS/NLOS标签，填补了现有数据集在这一领域的空白。此外，数据集还整合了IMU、LiDAR和相机数据，为多传感器融合研究提供了丰富的资源。通过自动化标签技术，数据集在NLOS卫星识别方面表现出色，为研究人员提供了高质量的基准数据。

使用方法

使用KLT数据集时，用户首先需要克隆GitHub仓库并安装相关依赖。随后，从Dropbox下载数据并解压至指定文件夹。数据集包含GNSS数据、地面真实数据、标签数据以及图像数据，用户可通过提供的demo.py脚本进行数据演示。此外，数据集还提供了ROS bag文件，用户可根据需要下载和使用。通过这些步骤，研究人员可以快速有效地利用KLT数据集进行相关研究。

背景与挑战

背景概述

KLT数据集是由Dr. Li-Ta Hsu、Dr. Weisong Wen及其团队于2021年创建的，旨在解决城市环境中GNSS信号的非视距（NLOS）问题。该数据集包含了由U-blox F9P接收器采集的GNSS原始测量数据、SPAN-CPT系统提供的地面真值，以及GPS和北斗卫星的LOS/NLOS标签。此外，数据集还包含了IMU、LiDAR和摄像机的记录，这些数据以ROS bag文件的形式提供。KLT数据集的创建填补了现有数据集在提供GNSS原始测量和精确NLOS标签方面的空白，为研究人员提供了一个全面的基准，以推动城市导航和定位技术的发展。

当前挑战

KLT数据集在构建过程中面临了多项挑战。首先，准确标记GNSS信号的LOS/NLOS状态是一个复杂的过程，需要高精度的自动化技术。其次，数据集的规模和多样性要求高效的存储和处理方法，特别是ROS bag文件的巨大体积对数据管理和传输提出了挑战。此外，由于香港土地部门的策略，参考站数据的获取也受到限制。这些挑战不仅影响了数据集的构建，也对其在实际应用中的效能提出了考验。

常用场景

经典使用场景

在城市导航与定位领域，KLT数据集以其丰富的GNSS原始测量数据和精确的LOS/NLOS标签而著称。该数据集特别适用于研究非视距（NLOS）卫星信号的识别与校正，通过结合GPS和北斗卫星的数据，研究人员可以开发和验证新的算法，以提高城市环境中定位的精度和可靠性。此外，数据集中的IMU、LiDAR和相机记录为多传感器融合提供了坚实的基础，使得其在自动驾驶和智能交通系统中的应用尤为突出。

衍生相关工作

基于KLT数据集，许多相关研究工作得以展开，特别是在GNSS信号处理和多传感器融合领域。例如，研究人员利用数据集中的NLOS标签开发了新的信号识别和校正算法，显著提高了定位精度。此外，数据集的多传感器数据为自动驾驶和智能交通系统的算法优化提供了宝贵的实验平台，推动了这些领域的技术进步和应用扩展。

数据集最近研究

最新研究方向

在城市导航与定位领域，KLT数据集因其包含的GNSS原始测量数据、地面真实数据以及GPS和北斗卫星的LOS/NLOS标签而备受关注。该数据集不仅填补了现有数据集在NLOS标签方面的空白，还通过自动化标签技术实现了高达99%的准确率，极大地推动了NLOS分类和伪距校正的研究。当前，研究者们正利用KLT数据集探索基于机器学习和深度学习的高精度定位算法，特别是在复杂城市环境中，如何有效结合GNSS、IMU、LiDAR和摄像头数据进行多模态融合定位。此外，KLT数据集的开放性也为标准化基准测试提供了可能，促进了该领域研究的透明度和可重复性。