POLAR Traverse Dataset

一个包含高保真立体对图像的数据集，模拟了在极端光照条件下月球极地地形的直线穿越。该数据集用于开发和测试依赖立体或单目相机图像的软件算法，如视觉里程计，以及提供对月球极地区域预期光照条件的见解。

A dataset comprising high-fidelity stereo pair images that simulate straight-line traversals of lunar polar terrain under extreme lighting conditions. This dataset is used for developing and testing software algorithms that rely on stereo or monocular camera images such as visual odometry, as well as providing insights into the expected lighting conditions of lunar polar regions.

搜集汇总

数据集介绍

构建方式

在月球极地环境模拟研究中，POLAR Traverse Dataset的构建依托于一个长达18.6米、宽4米的SSERVI测试床，内部铺设了模拟月球南极地形的月壤模拟物mLHS-1，并塑造了包括四个陨石坑在内的崎岖地貌。数据采集通过悬挂于测试床上方的立体相机条完成，该设备配备两台Allied Vision Manta G-419相机与Tamron 8mm镜头，基线距离为40厘米。为模拟月球极区的低角度光照，光源以约2-3度的入射角布置，相机以三种俯仰角（14°、25°、35°）和两种高度（1.3米、0.65米）组合，沿测试床长度方向以1米间隔移动，在每个位置以15种曝光时间（1-500毫秒）记录2048×2048分辨率的立体图像对，最终形成涵盖4种地形视角、24条遍历路径的完整数据集。

特点

该数据集的核心特点在于其高度逼真地模拟了月球极区的极端光照与地形条件。图像采集在低角度光照下进行，产生了明亮区域与深长阴影并存的强烈对比场景，精确复现了月球南极的实际视觉环境。数据集提供了丰富的参数变化，包括相机高度、俯仰角、光照方向及多种曝光时间，为算法测试提供了多维度的控制变量。此外，数据集附带了高精度地面真值几何信息，包括四组原始LiDAR扫描数据与融合后的完整点云，以及通过COLMAP运动恢复结构流程生成的相机位姿估计，为评估视觉算法在极端条件下的性能提供了可靠基准。

使用方法

该数据集主要用于开发和测试适用于月球极地环境的视觉感知算法，如立体视觉、视觉里程计和单目深度估计。研究者可下载完整的压缩数据集或按地形视角分块获取，利用其中不同曝光时间的图像序列分析光照变化对特征匹配与三维重建的影响。地面真值点云可用于定量评估算法生成的地形模型精度，而提供的近似与优化相机位姿则有助于研究位姿估计技术在低纹理、高阴影区域的鲁棒性。通过对比不同相机参数与光照条件下的算法表现，能够深入理解极端照明对感知系统的挑战，并为未来月球探测任务中的自主导航系统设计提供实证依据。

背景与挑战

背景概述

随着月球南极区域成为未来太空探索的关键目标，特别是NASA的VIPER和Artemis III等任务聚焦于该区域水冰资源的探测与利用，极端光照条件对机器人导航与感知算法构成了严峻考验。POLAR Traverse Dataset由卡内基梅隆大学机器人研究所与NASA艾姆斯研究中心的Margaret Hansen、Uland Wong及Terrence Fong等研究人员于2024年创建，旨在模拟月球极区地形在低角度光照下的直线穿越场景。该数据集通过高保真立体图像序列，为视觉里程计、立体匹配等算法提供了开发与测试平台，填补了极区环境感知数据稀缺的空白，对提升月球机器人自主导航能力具有重要科学价值。

当前挑战

该数据集致力于解决月球极区环境下机器人视觉感知的挑战，尤其是极端光照导致的图像高对比度与长阴影问题，这些条件使得传统基于特征提取的立体视觉算法易失效。在构建过程中，研究团队面临模拟真实月球光照的复杂性，包括如何在实验室内精确复现低角度平行光照，以及使用改性月壤模拟物（mLHS-1）时保持光学特性的一致性。此外，数据采集需克服运动模糊缺失、外部人造物体干扰，以及多曝光参数下图像对齐与标定的精度要求，这些因素共同增加了数据集构建的技术难度。

常用场景

经典使用场景

在月球极地探索领域，POLAR Traverse Dataset 为视觉导航算法的开发与验证提供了关键仿真环境。该数据集通过模拟月球南极地区极端光照条件下的直线穿越场景，生成了高保真立体图像序列，涵盖了不同相机高度、俯仰角及光照方位。研究人员可借助这些图像序列，系统评估视觉里程计、立体匹配等算法在低太阳高度角、高对比度阴影环境中的鲁棒性，从而优化探测器在真实月球极地任务中的自主导航能力。

实际应用

POLAR Traverse Dataset 直接服务于 NASA 等机构的月球探测任务，如 VIPER 巡视器任务。数据集模拟的极地地形与光照条件可用于任务前期的算法地面验证，降低实际任务风险。工程团队可通过测试视觉导航系统在仿真环境中的表现，优化相机曝光参数、运动控制策略，并提前识别潜在故障模式。此外，该数据也为宇航员舱外活动照明评估、着陆区地形分析等操作提供了重要参考。

衍生相关工作

基于该数据集，多项经典研究工作得以展开，主要集中在极端光照下的视觉算法改进。例如，研究者利用其多曝光图像序列开发了自适应曝光控制方法，以增强阴影区域细节提取；另有工作结合数据集提供的位姿真值，提出了融合惯性数据的鲁棒视觉里程计框架。此外，数据集启发了对月球极地模拟光照物理模型的深化研究，促进了航天器仿真测试标准的完善。