Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration

要約

タイトル：大気中のエアロゾル粒子を含む過酷な地下環境からのマルチモーダルデータセットは、フロンティア探査のためのものである。

要約：

– GNSSカバレッジのない環境における自律ナビゲーションのアルゴリズムは、主にオンボードパーセプションシステムに頼っています。
– これらのシステムには、カメラやLiDARなどのセンサーが一般的に組み込まれており、エアロゾル粒子が存在する場合には性能が低下する可能性があります。
– したがって、これらのセンサーから取得されたデータを、このような粒子を透過できるRADARからのデータと融合する必要があります。
– 全体的に、これにより、このような環境条件下での位置特定や衝突回避アルゴリズムの性能が向上します。
– 本論文では、エアロゾル粒子を含む過酷で非構造化の地下環境からのマルチモーダルデータセットを紹介します。
– データセットで収集されたオンボードセンサーと環境の詳細な説明があり、取得されたデータの完全な評価を可能にします。
– さらに、データセットには、すべてのオンボードセンサーからの同期された生データの計測値が、ロボットオペレーティングシステム（ROS）形式で含まれており、このような環境でのナビゲーションと位置特定のアルゴリズムの評価を容易にします。
– 既存のデータセットとは異なり、この論文の焦点は、時間的および空間的データの多様性を捕捉するだけでなく、過酷な条件がキャプチャされたデータに与える影響を提示することにあります。
– したがって、データセットを検証するために、オンボードLiDARからのオドメトリの仮説的な比較が示されています。

要約(オリジナル)

Algorithms for autonomous navigation in environments without Global Navigation Satellite System (GNSS) coverage mainly rely on onboard perception systems. These systems commonly incorporate sensors like cameras and LiDARs, the performance of which may degrade in the presence of aerosol particles. Thus, there is a need of fusing acquired data from these sensors with data from RADARs which can penetrate through such particles. Overall, this will improve the performance of localization and collision avoidance algorithms under such environmental conditions. This paper introduces a multimodal dataset from the harsh and unstructured underground environment with aerosol particles. A detailed description of the onboard sensors and the environment, where the dataset is collected are presented to enable full evaluation of acquired data. Furthermore, the dataset contains synchronized raw data measurements from all onboard sensors in Robot Operating System (ROS) format to facilitate the evaluation of navigation, and localization algorithms in such environments. In contrast to the existing datasets, the focus of this paper is not only to capture both temporal and spatial data diversities but also to present the impact of harsh conditions on captured data. Therefore, to validate the dataset, a preliminary comparison of odometry from onboard LiDARs is presented.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI