欧卡智舶发布全球首个城市内河无人驾驶数据集

欧卡智舶技术专题发布

最近，欧卡智舶联合清华大学与西北工业大学的研究学者公开了一个针对真实内河水域场景下多传感器、多天气条件下的内河无人船数据集USVlnland 。为无人船及水面自动驾驶领域相关研究者提供一个平台和基准，推动解决内河无人船在真实场景应用中面临的挑战。

近年来，内河无人船因其潜在的应用价值而受到广泛关注，不同于海面无人船和路面自动驾驶场景，内河行驶的无人船的定位和感知面临着独特的挑战。欧卡智舶联合清华大学与西北工业大学的研究学者于近日公开了USVInland数据集，该数据集是第一个内河场景下多传感器的无人船数据集，旨在促进无人船领域相关研究，数据集论文已经被IEEE Robotics and Automation Letters （RA-L） 接收，并将在IEEE International Conference on Robotics and Automation （ICRA） 2021上进行展示。

背景介绍随着自动驾驶技术的发展，自动驾驶场景逐渐由路面扩展至水上，无人船（Unmanned Surface Vehicle，USV）及其相关应用成为近年来研究热点之一。其中，内河无人船具有极大的应用价值，如内河自主运输，测绘，水质检测，和河道垃圾清理等。不同于海面无人船，内河相对狭窄和复杂的环境，对无人船的定位和感知带来了新的挑战。

在狭窄的内陆水道中，GPS信号有时会由于河岸植被、河道旁建筑以及桥梁的遮挡而减弱。在这种情况下，内河航道的准确定位与导航，依赖于对无人船与周围环境的感知。此外，内河场景更为复杂，必须确保无人船与河岸和其他障碍物保持安全距离。因此，与道路上的自动驾驶类似，基于激光雷达、相机和毫米波雷达等传感器的同步定位与建图（SLAM）、立体匹配和水岸分割等任务被引入到内河无人船的应用中。

而在内河中，水面上的雾和强光反射会降低激光雷达探测精度；对于视觉系统，水面雾气和强光反射，岸边物体的反射和雨滴引起的涟漪也会带来干扰。此外，不同于路面车辆，水面上船只的横向漂移较大，船只的运动模型更为复杂，给精确定位带来新的挑战。因此，对于内河无人船，路面自动驾驶的通用策略是不可行的。 在路面自动驾驶领域，近年来涌现出了如KITTI，Oxford RobotCar，nuScenes等公共数据集，大大促进了路面自动驾驶领域相关技术的发展。而无人船领域的公开标准数据目前还相对缺失。 数据集介绍USVInland是第一个真实场景下多传感器、多天气条件下的内河无人船数据集。在不同的内陆河道场景中，共采集了27段原始数据，总行驶距离超过26公里，发布的数据中包含了SLAM、立体匹配和水岸分割三项任务。

数据采集平台搭载的传感器包括激光雷达，双目相机，以及GPS和IMU几种自动驾驶领域常用传感器。除此以外，采集平台上还配备了三个毫米波雷达提供周围环境点云数据。与图像和激光雷达相比，毫米波雷达对天气以及光照条件的鲁棒性更强，能提供多普勒速度信息，且成本较低，近年来在自动驾驶领域应用广泛。不同传感器之间完成了时间同步和空间标定。

受KITTI的启发，USVInland数据集引入了SLAM、立体匹配和水岸分割任务。对已有的常用算法，如SLAM中的LOAM，Lego-LOAM，ORB-SLAM，立体匹配中的SGBM，以及用于水岸分割的语义分割网络DeepLab v3+，文中给出了在内河场景数据集上的实验结果。结果表明，受到内河特殊场景的影响，常用算法的性能无法满足内河无人船安全行驶的需求。

总结针对内河无人船实际应用的需求，研究者构建了第一个多传感器、真实场景下内河无人船数据集USVInland。期待通过该数据集的发布，为无人船及水面自动驾驶领域相关研究者提供一个平台和基准，推动解决内河无人船在真实场景应用中面临的挑战。USVlnland主要被设计用于提升无人船在真实内河水域场景下的各项作业能力，USVlnland也是国内首个内河水面无人驾驶数据集，对于国内内河水面无人驾驶技术的发展具有划时代的意义。现在，欧卡智舶已经把 USVlnland数据集免费开放给全球各个国家的技术研究者使用，期待 USVlnland 能够启发更多研究人员进行真实内河水域场景下无人船发展的研究。

原文标题：行业动态 || 重磅！欧卡智舶发布全球首个城市内河无人驾驶数据集

文章出处：【微信公众号：机器人梦工厂】欢迎添加关注！文章转载请注明出处。

责任编辑：haq