水上无人驾驶数据集_usvinland

水上无人驾驶数据集

---

前言

水上无人驾驶数据集

---

一、USVInland Dataset

**1.USVInland Dataset 简介 **
链接：https://www.orca-tech.cn/datasets/USVInland/Introduction

USVInland是第一个用于内河航道无人水面飞行器的多传感器数据集。在4个月的时间里，我们利用我们的自动驾驶船，在内河航道进行手动和自动航行时，记录来自激光雷达、立体相机、毫米波雷达、INS等传感器的数据。

针对真实内河航道中usv感知和定位的要求和挑战，该数据集主要用于三个任务:SLAM/里程测量、立体匹配和水体分割。

通过发布本数据集，希望USVInland能够支持水面自动驾驶的研究，更好地解决独特的航行场景带来的挑战，从而推动内河航道无人船的开发。

2 采集平台
我们的平台上配备了多个传感器，以收集互补的数据，从而实现基于自动驾驶常用传感器的解决方案。这些传感器包括:一个16波束激光雷达，一个立体彩色相机，三个毫米波雷达，一个INS (GPS和IMU)。平台图像和传感器位置图如图所示。

3.内容介绍–SLAM/Odometry
自动驾驶车辆在内河航道行驶时，尤其是在无法直接测量车辆位置的情况下，需要进行SLAM/里程数测量。依靠相机、激光雷达和雷达等传感器，GPS拒绝场景(例如桥下或靠近河岸植被的地方)中的定位和测绘将更加准确。
以下数据序列提供了SLAM/里程测量的任务。为了便于获取，列出了每个序列的数据采集时间、数据持续时间、轨迹长度和天气条件。

内容介绍–立体匹配

内容介绍–水岸线分割

二、FloW Dataset

**1.FloW Dataset简介 **
链接：https://www.orca-tech.cn/datasets/FloW/Introduction

FloW是第一个用于内河漂浮废物检测的数据集。它包含一个基于视觉的子数据集FloW-Img和一个多模态数据集FloW-RI，其中包含空间和时间校准的图像和毫米波雷达数据。详细信息可以在这两个子数据集的页面中找到。

通过出版Flow，希望研究团体能够更多地关注内陆水域的漂浮物检测以及具有挑战性的水面小目标检测。此外，基于毫米波雷达数据或图像与雷达数据融合的垃圾检测也是一项新颖的任务，流程提供了可访问的真实世界数据。

2.内容包含-FloW-Img
FloW-Img子数据集包含2000张图像，包含超过500万标记的漂浮废物。一帧中的对象数量从1到17不等。在所有标记的漂浮垃圾中，小物体(小于32 × 32像素)在数据集中所占比例最大。

此外，我们还提供了200个无注释的漂浮垃圾视频序列，用于进一步研究漂浮垃圾的检测。

内容包含-FloW-RI
FloW-RI包含4000帧同步图像和毫米波雷达RDM数据。所有的帧都来自连续序列。对图像和雷达数据进行同步并给出标定结果，支持基于图像和雷达数据融合的漂浮垃圾检测。

Tips

以上数据集，均有陕西欧卡电子科技有限公司独家提供，欢迎业内同行指正交流！