Hong Kong UrbanNav: An open-source multisensory dataset for benchmarking urban navigation algorithms

Hsu, L. T., Huang, F., Ng, H. F., Zhang, G., Zhong, Y., Bai, X., Wen, W.

NAVIGATION: Journal of the Institute of Navigation (2023)

journal Q1 精选页面
Overview montage of the UrbanNav dataset, including Hong Kong urban scenes, vehicle sensors, LiDAR point clouds, GNSS sky-view imagery, and skymasks.
图 1(UrbanNav 论文):多传感器数据和具有挑战性的香港城市场景,用于导航基准测试。

视频

图像

数据集故事从实体采集平台开始,展示 GNSS、IMU、LiDAR 和相机如何一起搭载。

UrbanNav data collection vehicle and roof-mounted sensor kit with GNSS, IMU, LiDAR, and cameras.
图 2:数据采集平台和集成多传感器套件。

这进一步把传感器平台转化为同步记录流程,用于采集对齐的多传感器数据。

Hardware connection flowchart for synchronized UrbanNav sensor logging and postprocessing.
图 3:数据采集平台的硬件连接与同步流程。

安装几何关系提供了把不同传感器数据流一起使用所需的标定基础。

Sensor installation drawing with rack configuration, side view, and top view.
图 4:UrbanNav 车辆的传感器安装标定几何。

在平台定义完成后,论文介绍数据集要用于基准测试的城市场景。

UrbanNav scenario trajectories and environment reconstructions for middle-class, deep, harsh, and tunnel urban cases.
图 5:四个选定数据集的代表性轨迹和重建环境。

天空遮罩量化这些场景对卫星的遮挡,把环境严重程度与 GNSS 难度联系起来。

Skymask examples for middle-class urban, deep urban, and harsh urban scenarios.
图 6:用于描述城市峡谷中卫星可见性约束的天空遮罩示例。

基准测试部分随后在选定场景中把视觉惯性和 SLAM 算法与真值轨迹进行比较。

Benchmark trajectories comparing ground truth with VINS-Mono, VINS-Fusion, and ORB-SLAM3.
图 16:将视觉惯性和 SLAM 方法与真值轨迹比较的基准轨迹。

最后一张图把公开数据集发布与采集、同步和社区复用中的实践经验联系起来。

Lessons learned montage for UrbanNav, including sensor interference, start point, timing synchronization, and GitHub usage map.
图 18:采集和发布 UrbanNav 数据集得到的经验总结。