CitrusFarm|农业机器人数据集|多模态传感器数据集

CitrusFarm是一个多模态农业机器人数据集，提供多光谱图像和导航传感器数据，用于定位、地图绘制和作物监测任务。数据集由UC Riverside的农业实验站收集，包含九种传感模式，覆盖1.7小时的操作时间和7.5公里的总距离，数据量达1.3TB。

原始信息汇总

数据集概述

数据集名称

CitrusFarm

数据集类型

多模态农业机器人数据集，提供多光谱图像和导航传感器数据。

数据收集环境

• 收集地点：加州大学河滨分校农业实验站
• 收集时间：2023年夏季

数据集特点

• 包含九种传感模式：立体RGB、深度、单色、近红外和热图像，以及轮式里程计、激光雷达、IMU和GPS-RTK数据。
• 数据集由七个序列组成，来自三个柑橘树田，涵盖不同树种、生长阶段、种植模式和光照条件。
• 总操作时间：1.7小时
• 总覆盖距离：7.5公里
• 数据量：1.3 TB

数据集用途

用于定位、地图绘制和作物监测任务。

作者

Hanzhe Teng, Yipeng Wang, Xiaoao Song, Konstantinos Karydis (UC Riverside, ARCS Lab)

相关出版物

• 标题：Multimodal Dataset for Localization, Mapping and Crop Monitoring in Citrus Tree Farms
• 会议：International Symposium on Visual Computing (ISVC 2023)
• 链接：论文 | 预印本

许可证

Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)

支持机构

NSF, USDA-NIFA, ONR, University of California UC-MRPI

AI搜集汇总

数据集介绍

构建方式

CitrusFarm数据集由加利福尼亚大学河滨分校的ARCS实验室团队构建，采集于2023年夏季，位于该校农业实验站。该数据集通过一辆轮式移动机器人，在三个柑橘树种植场中进行了七次序列的数据采集。其构建过程中整合了九种传感模式，包括立体RGB、深度、单色、近红外和热成像图像，以及轮式里程计、LiDAR、IMU和GPS-RTK数据。这些数据涵盖了不同生长阶段的柑橘树种、独特的种植模式和多样的光照条件，总操作时间为1.7小时，覆盖距离7.5公里，数据总量达1.3TB。

特点

CitrusFarm数据集的显著特点在于其多模态数据的丰富性和多样性。该数据集不仅包含了多种图像数据，如立体RGB、深度、单色、近红外和热成像，还集成了多种传感器数据，如轮式里程计、LiDAR、IMU和GPS-RTK。这些数据共同构成了一个全面的环境感知和导航系统，适用于定位、地图构建和作物监测等任务。此外，数据集中的序列涵盖了不同生长阶段的柑橘树种和多样的光照条件，为研究提供了丰富的场景变化。

使用方法

CitrusFarm数据集适用于农业机器人领域的多种研究任务，包括但不限于定位、地图构建和作物监测。用户可以通过访问数据集的官方网站下载数据，并利用提供的Python脚本进行数据处理和分析。数据集的格式和传感器校准信息在网站上详细说明，用户可以根据需要选择特定的数据序列进行研究。此外，数据集遵循CC BY-SA 4.0许可协议，用户在使用时需给予适当的归属，并在修改数据时注明变更，且分享的贡献需使用相同的许可协议。

背景与挑战

背景概述

CitrusFarm数据集是由加州大学河滨分校（University of California Riverside）的ARCS实验室于2023年夏季在农业实验站（Agricultural Experimental Station）采集的多模态农业机器人数据集。该数据集旨在支持定位、地图构建和作物监测任务，涵盖了九种传感模态，包括立体RGB、深度、单色、近红外和热成像图像，以及轮式里程计、LiDAR、IMU和GPS-RTK数据。数据集由Hanzhe Teng、Yipeng Wang、Xiaoao Song和Konstantinos Karydis等研究人员主导，涵盖了三个柑橘树场的七个序列，展示了不同生长阶段的多种树种、独特的种植模式和多样的光照条件。该数据集的发布对农业机器人技术的发展具有重要意义，尤其是在精准农业和自动化监测领域。

当前挑战

CitrusFarm数据集在构建过程中面临多项挑战。首先，多模态数据的同步与融合是一个复杂的技术难题，尤其是不同传感器的数据频率和精度差异。其次，柑橘树场的环境复杂多变，包括不同生长阶段的树种、光照条件的变化以及地形的不规则性，这些因素增加了数据采集和处理的难度。此外，数据集的规模庞大（1.3 TB），对存储、传输和计算资源提出了高要求。最后，如何在实际应用中有效利用这些多模态数据进行精准的定位、地图构建和作物监测，仍需进一步的研究和算法优化。

常用场景

经典使用场景

CitrusFarm数据集在农业机器人领域展现了其经典应用场景，主要用于定位、地图构建和作物监测任务。通过提供多光谱图像和导航传感器数据，该数据集支持机器人对柑橘园进行精确的自主导航和环境感知。其丰富的数据类型，包括立体RGB、深度、单色、近红外和热成像图像，以及轮式里程计、LiDAR、IMU和GPS-RTK数据，使得研究者能够在不同光照条件和作物生长阶段下进行复杂的农业机器人算法验证。

解决学术问题

CitrusFarm数据集解决了农业机器人领域中多个关键的学术研究问题，特别是在多模态数据融合、实时定位与地图构建（SLAM）以及作物健康监测方面。通过提供多光谱和导航传感器数据，该数据集为研究者提供了一个真实且多样化的实验平台，有助于推动农业机器人技术的创新与优化。其对不同柑橘树种和生长阶段的覆盖，进一步增强了其在作物监测和农业自动化研究中的应用价值。

衍生相关工作

基于CitrusFarm数据集，研究者们开展了多项相关工作，推动了农业机器人领域的技术进步。例如，有研究利用该数据集进行多模态数据融合算法的研究，提升了机器人在复杂环境中的感知能力。此外，还有工作专注于利用该数据集进行作物健康监测和病虫害检测，开发了基于深度学习的自动化监测系统。这些衍生工作不仅丰富了农业机器人技术的研究内容，也为实际应用提供了有力的技术支持。