LiDAR Degeneracy Datasets

该数据集包含了一个空中机器人在对LiDAR传感器具有挑战性的环境中手动飞行的传感器测量数据（IMU、LiDAR和FMCW雷达）。这些环境包括挪威卑尔根的一个自行车隧道（几何自相似性）和特隆赫姆NTNU Elektro大楼内充满雾气的大学走廊（遮挡物）。此外，还提供了传感器之间的CAD外部参数。

This dataset comprises sensor measurement data (IMU, LiDAR, and FMCW radar) collected during manual flights of an aerial robot in environments challenging for LiDAR sensors. These environments include a bicycle tunnel in Bergen, Norway featuring geometric self-similarity, and a foggy university corridor inside the NTNU Elektro Building in Trondheim with occlusions. Additionally, CAD-based extrinsic calibration parameters between the sensors are provided.

原始信息汇总

LiDAR Degeneracy Datasets

数据集概述

该数据集与通过因子图融合LiDAR-雷达-惯性传感器处理LiDAR退化环境的研究提交相关。数据集包含空中机器人在对LiDAR传感器具有挑战性的环境中手动飞行的传感器测量数据（IMU、LiDAR和FMCW雷达），包括自行车隧道（几何自相似性）和充满雾气的大学走廊（遮挡物）。此外，还提供了传感器之间的CAD外部参数。

环境

Fyllingsdalen隧道

手动飞行在挪威卑尔根的一个8米宽、500米长、直线段的自行车隧道中。

充满雾气的大学走廊

手动飞行在挪威特隆赫姆NTNU的Elektro大楼内的大学环境中。起飞后飞过的第一个走廊充满了浓雾。

机器人设备

传感器

传感器通过内部开发的基于微控制器的同步/触发模块进行同步。

• Ouster OS0-128 LiDAR
• VectorNav VN100 IMU
• Texas Instruments IWR6843AOP-EVM Radar

主题

来源	主题	频率 [Hz]
触发	- /sensor_sync_node/trigger_0<br>- /sensor_sync_node/trigger_1	- 800<br>- 10
IMU	/vectornav_node/uncomp_imu	200
LiDAR	- /os_cloud_node/imu_packets<br>- /os_cloud_node/lidar_packets<br>- /os_cloud_node/metadata	10
Radar	/radar/cloud	10

外部参数

所有外部参数均相对于IMU给出。

LiDAR

• 平移 [x, y, z]
  • [-0.00171, 0.02149, 0.0358]
• 方向 [x, y, z, w]
  • [0.000462, 0.0008483, 0.0028835, 0.9999954]

Radar

• 平移 [x, y, z]
  • [0.07771, 0.02141, -0.03631]
• 方向 [x, y, z, w]
  • [0.953717, 0, -0.3007058, 0]

搜集汇总

数据集介绍

构建方式

LiDAR Degeneracy Datasets的构建基于无人机在具有挑战性的环境中进行手动飞行，采集了IMU、LiDAR和FMCW雷达的传感器数据。这些环境包括挪威卑尔根的自行车隧道和挪威特隆赫姆大学充满雾气的走廊。数据采集过程中，传感器通过微控制器同步模块进行时间同步，确保了数据的一致性。此外，数据集还提供了传感器之间的CAD外参信息，便于后续的数据对齐和融合。

特点

该数据集的特点在于其专注于LiDAR传感器在退化环境中的表现，如几何自相似性和雾气遮挡。数据集包含了高精度的IMU、LiDAR和雷达数据，且所有传感器数据均经过严格的时间同步处理。此外，数据集提供了传感器之间的外参信息，便于用户进行多传感器融合研究。这些特点使得该数据集成为研究LiDAR在复杂环境中鲁棒性的理想选择。

使用方法

使用LiDAR Degeneracy Datasets时，用户可以通过提供的ROS bag文件进行数据回放和分析。数据集中的传感器数据分别存储在不同的ROS话题中，用户可以根据需要选择相应的数据进行处理。此外，数据集提供了传感器之间的外参信息，用户可以利用这些信息进行多传感器数据的对齐和融合。为了确保数据的准确同步，建议使用提供的传感器同步回放驱动程序进行数据回放。

背景与挑战

背景概述

LiDAR Degeneracy Datasets由挪威科技大学（NTNU）的研究团队于2024年创建，旨在解决LiDAR传感器在退化环境中的性能问题。该数据集通过融合LiDAR、雷达和惯性测量单元（IMU）的数据，构建了因子图模型，以应对LiDAR在几何自相似性和遮蔽物环境中的退化现象。数据集包含在挪威卑尔根的Fyllingsdalen自行车隧道和特隆赫姆NTNU Elektro大楼的雾化走廊中手动飞行的无人机传感器测量数据。该研究为LiDAR-Radar-Inertial融合技术在复杂环境中的应用提供了重要参考，推动了机器人感知与导航领域的发展。

当前挑战

LiDAR Degeneracy Datasets面临的挑战主要体现在两个方面。首先，LiDAR传感器在几何自相似性和遮蔽物环境中的性能退化问题，如隧道中的几何重复性和雾化环境中的信号衰减，这些环境对LiDAR的感知能力提出了严峻考验。其次，在数据集构建过程中，多传感器数据的同步与校准是关键技术难点，尤其是LiDAR、雷达和IMU数据的精确时间同步和外部参数校准，需要高精度的硬件和复杂的算法支持。此外，手动飞行无人机的操作也增加了数据采集的复杂性和不确定性，进一步提升了数据集的构建难度。

常用场景

经典使用场景

LiDAR Degeneracy Datasets主要用于研究在LiDAR传感器退化环境下的多传感器融合技术。该数据集通过手动飞行的无人机在具有挑战性的环境中收集了IMU、LiDAR和FMCW雷达的传感器数据，包括几何自相似的自行车隧道和充满雾气的大学走廊。这些数据为研究LiDAR在退化环境中的性能提供了宝贵的实验素材。

解决学术问题

该数据集解决了LiDAR传感器在几何自相似和遮挡物环境中的退化问题。通过提供多传感器融合的测量数据，研究人员能够开发和验证新的算法，以提高LiDAR在这些复杂环境中的鲁棒性和精度。这对于自动驾驶、无人机导航和机器人感知等领域具有重要的学术意义。

衍生相关工作

基于LiDAR Degeneracy Datasets，研究人员已经开发了多种多传感器融合算法，如LiDAR-雷达-惯性里程计（LRIO）。这些算法在退化环境中的性能得到了显著提升，相关成果已在IEEE国际机器人与自动化会议（ICRA）等顶级会议上发表，推动了该领域的研究进展。