無人機整機
無人機配件
無人機服務
設備與工具SLAM在自主機器人方面的一個有前途的應用是在建筑工地。建筑機器人提供了一種消除工人危害、提高任務生產力和收集高質量數(shù)據(jù)的方法。然而，這些環(huán)境給SLAM系統(tǒng)帶來了許多挑戰(zhàn)。無特征的場景、不同的照明條件和突然的運動是主要挑戰(zhàn)之一。在這一階段中，包含相關場景和傳感器的數(shù)據(jù)集的可用性發(fā)揮了重要作用。這些場景應描繪部署SLAM系統(tǒng)的實際應用程序，通過融合多個互補的傳感器來實現(xiàn)最高的精度和魯棒性。因此，SLAM數(shù)據(jù)集應包含多個傳感器模態(tài)。
我們提出了Hitli SLAM挑戰(zhàn)數(shù)據(jù)集。該數(shù)據(jù)集的目的是促進傳感器融合的研究，以開發(fā)SLAM算法。該算法可以部署在需要高精度，毫米級和魯棒性的任務中，例如在建筑環(huán)境中。我們的數(shù)據(jù)集包含建筑工地、辦公室和實驗室的室內序列以及建筑環(huán)境和停車場的室外序列。為了記錄數(shù)據(jù)，我們創(chuàng)建了一套傳感器，包括許多視覺、激光雷達和慣性傳感器，使用商用傳感技術的最新產品，特別關注時間同步和空間校準。該數(shù)據(jù)集用于Hitli SLAM挑戰(zhàn)賽，許多學術和工業(yè)團體提交了他們的SLAM系統(tǒng)。挑戰(zhàn)的結果表明，所提出的數(shù)據(jù)集可以成為開發(fā)準備在現(xiàn)實世界中部署的新SLAM算法的重要資產。
在室內、室外和室內外混合環(huán)境中收集各種條件下的數(shù)據(jù)。數(shù)據(jù)顯示了不同施工階段的實際挑戰(zhàn)。挑戰(zhàn)包括可變照明、有限的功能和/或高反射和透明表面，如圖1所示。
圖1 獲取數(shù)據(jù)集的位置
(a) 地下室
數(shù)據(jù)是在無窗房間（約20×40米）中收集的。無自然光，照明亮度混合。帶有建筑基礎設施的混凝土空間。地下一層是一條短而簡單的路徑。在地下三層和四層，我們將傳感器平臺安裝在移動底座上，而不是手持操作。地下三層和四層還允許利用SLAM系統(tǒng)的閉環(huán)功能。
(b) 校園
數(shù)據(jù)是在戶外庭院環(huán)境中收集的（約40x60 m）。良好的自然采光和高照明。與建筑結構和自然植物的混合特征。
(c) 工地
大部分在戶外，有一些有遮蓋的區(qū)域（約40x80米）。自然光線強，照度高。未完成的自然表面，地平面上方的特征有限。
(d) IC辦公室
室內空間有許多窗戶和反光表面（約10x70米）。自然光和人造光的混合。窗戶照明強烈，室內照明適中。
(e) 實驗室
室內空間以大窗戶為主（約10x10米）。強烈的自然光和反光表面。光學跟蹤六自由度地面實況。
(f) Mitte辦公室
建成辦公樓的室內空間（約30x50米）。自然光和人造光的混合。很多建筑結構。
(g) 停車場
室內和室外空間的混合（約100x100米）。停車場從頂樓到底層。照明從極亮到適度的黑暗不等。頂層為地平面結構，下層為大量建筑結構。
(h) RPG跟蹤區(qū)域
室內測試設施（約30x30米）。大部分是人造光，有些是自然光。單個大房間，整個房間有隨機運動路徑。MoCap 6自由度地面實況。
數(shù)據(jù)集以二進制格式（rosbags）存儲，其中包含圖像、IMU和LiDAR數(shù)據(jù)。對于來自Livox的數(shù)據(jù)，選擇了自定義消息，因為與標準ROS PointCloud2消息相比，該消息包含額外的定時信息。圖2顯示了數(shù)據(jù)集Lab Survey 2中的相機和激光雷達數(shù)據(jù)的示例。
圖2 數(shù)據(jù)集“Lab Survey 2”中的示例：來自5個攝像頭和Ouster OS0點云的圖像
每個數(shù)據(jù)集的地面實況數(shù)據(jù)都在一個單獨的文件中給出，文件名指示參考源（例如Construction_Site_prism.txt表示在prism框架中的地面實況）。包中的所有主題列于表1。
表1 消息主題和ROSBAGS類型
在序列Basement 4 中，當Phasma設備位于房間
中央時，LiDAR 里程計算法A-LOAM的數(shù)量特征軌跡仍然很高（每幀約1000 個），但當設備接近墻壁或近懸垂時它顯著減少，見圖3(a)。在這種情況下，A-LOAM估計軌跡的準確性會受到負面影響。但是LiDAR特征軌跡的減少可以通過視覺特征的增加來補償，見圖3（b）。這種情況下，可以通過融合相機和LiDAR測量的算法實現(xiàn)最佳性能。
圖3（a）使用基于激光雷達的SLAM算法A-LOAM在“Basement 4”中跟蹤的特征（b）低LiDAR特征事件期間的局部環(huán)境（時間約336秒）。封閉的墻壁和結構減少了LiDAR測量，而基于視覺的算法仍然可以正常運行
提議的數(shù)據(jù)集用于Hitli SLAM挑戰(zhàn)賽，該挑戰(zhàn)賽第一版在2021 年 IEEE/RSJ IROS 會議上舉行。學術和工業(yè)團體提交了其SLAM算法在數(shù)據(jù)集的所有序列上的解決方案。共有27支隊伍參加了挑戰(zhàn)賽，其中有7家商業(yè)公司，詳細見表2。
表2 Hitli SLAM挑戰(zhàn)賽的結果。包含每次提交說明的報告可以在數(shù)據(jù)集網(wǎng)站上找到
前四位被商業(yè)算法占據(jù)，這些算法都專注于激光雷達-IMU里程計，顯示了這些方法的成熟度和魯棒性。最好的團隊Megvii使用了FAST-LIO2的變體，并在所有序列上實現(xiàn)了9.3厘米的平均誤差。曠視科技是為數(shù)不多的將Ouster和Livox LiDAR數(shù)據(jù)合并的團隊之一，再加上使用所有LiDAR點進行狀態(tài)估計，這給了他們一個顯著的優(yōu)勢。將視覺與LiDAR和IMU融合在一起的最佳算法排名第5位，牛津機器人研究所的VILENS。最佳純視覺解決方案排名第12位，大多數(shù)誤差大于50厘米。結果表明，不出所料，商業(yè)算法優(yōu)于學術算法。然而，在這次挑戰(zhàn)之前，確切的差距尚不清楚。結果還表明，由于獲勝團隊沒有融合相機數(shù)據(jù)，因此仍有改進的余地。
源自：IEEE ROBOTICS AND AUTOMATION LETTERS, VOL. 7, NO. 3, JULY 2022
2025-09-03 14:07
2025-09-02 22:05
2025-09-02 22:04
2025-09-01 16:20
2025-09-01 16:19
2025-09-01 16:17
2025-09-01 16:16
2025-09-01 16:13
2025-09-01 16:11
2025-09-01 16:09
