KAIST URBAN DATA SET/Complex Urban LiDAR Data Set数据集参数

原创
数据集原网址：https://irap.kaist.ac.kr/dataset/index.html
数据集论文：https://ieeexplore.ieee.org/document/8460834
用到该数据集的论文：RINS-W: Robust Inertial Navigation System on Wheels
下载：
IROS： https://ieeexplore.ieee.org/document/8968593
arXiv： https://arxiv.org/abs/1903.02210

数据集简介

  该数据集提供光探测和测距(激光雷达)数据和立体图像与各种位置传感器目标高度复杂的城市环境。所提供的数据集捕捉了城市环境(例如大都市地区、复杂建筑和居住区)的特征。给出了二维和三维激光雷达的数据，这是典型的激光雷达传感器。用于车辆导航的原始传感器数据以文件格式提供。为了方便，在机器人操作系统(ROS)环境中提供了开发工具。

传感器系统

  用于获取传感器数据采集车为Toyota Prius。该车辆配备了两个2D和两个3D LiDAR，以收集周围环境的数据。 3D LiDAR以45度角安装以实现最大覆盖。在2D LiDAR的情况下，后传感器安装在下方，以获取道路信息；前传感器安装在上方，以获取建筑物信息。双目摄像头面向车辆前部安装。
  另外，安装了各种传感器以估计车辆的位置。安装了GPS和VRS GPS来估计全球位置。GPS是一种通用的液位传感器，而VRS GPS可以通过通信使用校准来准确估算位置。安装了惯性测量单元（IMU）和光纤陀螺（FOG）以测量车辆的旋转。 IMU是通用的液位传感器，与IMU相比，FOG可提供高度准确的传感器值。 我们的传感器系统还具有用于测量高度信息的高度计和用于测量车辆运动量的车轮编码器。 所有传感器信息均以带时间戳的原始文件格式提供。

表1：传感器系统中使用的传感器(H:水平，V:垂直，CH:通道)。

图1：数据采集车

数据集的格式

  所有数据都以压缩的“tar”格式提供，并与收集数据的日期和时间一起存储在一个文件夹中。LiDAR Data Set：urban00-urban17，共18个数据集压缩文件。

图2：数据集格式

一、激光雷达数据（LiDAR Data）

1.三维激光雷达数据
  最后一个数据包的时间戳用作一轮旋转结束时的数据时间戳。 3D LiDAR数据以浮点二进制格式存储在sensor_data文件夹的’VLP_left’和’VLP_right’文件夹中，每个旋转数据的时间戳均为文件名（‘time_stamp.bin’）。 所有3D LiDAR数据的时间戳顺序存储在“ VLP_left_stamp.csv”和“ VLP_right_stamp.csv”中。

[x，y，z，R]
：x，y和z表示每个LiDAR传感器的局部3D直角坐标。 R是反射率值。

2.二维激光雷达数据
  2D LiDAR数据以浮点二进制格式存储在sensor_data文件夹的’SICK_back’和’SICK_middle’文件夹中。 与3D LiDAR数据类似，每个扫描数据的时间戳就是文件名。 所有2D LiDAR数据的时间戳顺序存储在’SICK_back_stamp.csv’和’SICK_middle_stamp.csv’中。

[r，R]
：为减小文件大小，2D LiDAR的数据包含两项。 r是每个点的范围值，R是反射率值。 传感器的视场（FOV）为190°。 第一数据的起始角度为-5°，终止角度为185°。 每个顺序数据之间的角度差为0.666°。 使用此信息可以将每个点转换为笛卡尔坐标。

二、双目相机数据（Stereo Camera Data）

1.双目相机图像
  双目相机图像以10 Hz的频率采集，并以无损PNG格式存储在未校正的8位拜耳阵列图像中。 图像的拜耳阵列为RGGB。 使用外部触发器来精确同步立体声相机。 图像存储在“ image”文件夹中的“ stereo_left”和“ stereo_right”文件夹中，每个图像均使用时间戳命名。 所有立体图像的时间戳按顺序存储在“ sensor_data”文件夹中的“ stereo_stamp.csv”中。

三、原始数据（Raw Data）

1.全球定位系统—— GPS (Global Positioning System)
  “ sensor_data / gps.csv”文件存储由商业级GPS传感器测量的GPS位置。

[timestamp, latitude, longitude, altitude, 9-tuple vector (position covariance)]
[时间戳，纬度，经度，高度，9元组向量（位置协方差）]

2.虚拟参考站GPS——VRS (Virtual Reference Station) GPS
  “ sensor_data / vrs_gps.csv”文件存储由VRS GPS传感器测量的准确GPS位置。

Ver1: [timestamp, latitude, longitude, x coordinate, y coordinate, altitude, fix state, number of satellite, horizontal precision, latitude std, longitude std, altitude std, heading validate flag , magnetic global heading, speed in knot, speed in km, GNVTG mode]
Ver1：[时间戳记，纬度，经度，x坐标，y坐标，高度，固定状态，卫星数量，水平精度，纬度std，经度std，海拔std，航向确认标志，磁性全局航向，结速， 公里，GNVTG模式]

Ver2: [timestamp, latitude, longitude, x coordinate, y coordinate, altitude, fix state, number of satellite, horizontal precision, latitude std, longitude std, altitude std, heading validate flag , magnetic global heading, speed in knot, speed in km, GNVTG mode, ortometric altitude]
Ver2：[时间戳记，纬度，经度，x坐标，y坐标，高度，固定状态，卫星数量，水平精度，纬度std，经度std，海拔std，航向确认标志，磁性全局航向，结速， 公里，GNVTG模式，高度计高度]

：传感器规格中的VRS GPS精度是固定状态下的值。x和y值是在通用横向墨卡托（UTM）坐标系中计算的。修复状态是代表VRS-GPS状态的数字（1：正常； 2：DGPS； 4：修复； 5：浮动）。传感器列表（表1）中列出的VRS-GPS的规格是固定状态的精度。

3.惯性测量单元——IMU (Inertial Measurement Unit)
  “ sensor_data / imu.csv”文件存储由AHRS IMU传感器测量的增量旋转姿态，陀螺仪，加速度，magent字段数据。 Urban00-05和Campus00只有四元数和eular数据。 Urban05和Campus00之后的数据集包含陀螺仪，加速度和Magetfield数据。

增量旋转姿态，陀螺仪范围数据，线性加速度和磁场数据以以下形式存储在imu.csv文件中：
[时间戳记，四元数x，四元数y，四元数z，四元数w，欧拉x，欧拉y，欧拉z，陀螺仪x，陀螺仪y，陀螺仪z，加速度x，加速度y，加速度z，MagnetField x，MagnetField y，磁场z]

4.FOG（光纤陀螺）——FOG (Fiber Optic Gyro)
  “ sensor_data / fog.csv”文件存储连续传感器数据之间的相对旋转运动。

[timestamp, delta roll, delta pitch, delta yaw]
[时间戳记，增量滚动，增量音高，增量偏航]

5.编码器——Encoder
  “ sensor_data / encoder.csv”文件存储车轮编码器的增量脉冲计数值。

[timestamp, left count, right count]
[时间戳记，左计数，右计数]

6.高度计——Altimeter
  “ sensor_data / altitude.csv”文件存储由高度计传感器测量的高度值。

[timestamp, altitude]
[时间戳，高度]

四、校正数据（Calibration Data）

  每当获取数据时都会执行校准。 因此，每个传感器的校准结果与每个数据集一起提供在’calibration’ 文件夹中。 校准数据以Euler格式和SE（3）格式提供。

五、序列数据（Sequence Data）

  “ sensor_data / data_stamp.csv”文件按顺序存储所有传感器数据的名称和时间戳。

[timestamp, sensor name]
[时间戳记，传感器名称]

六、基线（Baseline）

  基线是由各种算法生成的车辆的轨迹。生成的基线轨迹以100 Hz的速率存储在“ vehicle_pose.csv”中。然而，由于SLAM结果取决于城市环境的复杂性，因此不希望使用基线轨迹作为地图绘制或定位基准。

[timestamp, P(0,0), P(0,1), P(0,2), P(0,3), P(1,0), P(1,1), P(1,2), P(1,3), P(2,0), P(2,1), P(2,2), P(2,3)]
[时间戳，P（0,0），P（0,1），P（0,2），P（0,3），P（1,0），P（1,1），P（1,2 ），P（1,3），P（2,0），P（2,1），P（2,2），P（2,3）]
: P每次都是4X4转换矩阵。 旋转矩阵和平移矩阵以矢量形式存储。

开发工具（Development Tool）

一、File Player

下载地址： https://github.com/irapkaist/file_player.git
  文件播放器（File Player）可以自动读取立体摄像机的校准数据并发送视差图像。 要传输视差图像，请在启动文件中将立体声图像proc从“ false”更改为“ true”。 要检查视差图像，请运行“ rosrun image_view disparity_view image：= / stereo / disparity”

  警告：如果数据在硬盘上，则file_player读取文件的速度很慢，并且无法以正确的速率发布数据。 要使用file_player，建议将数据放置在快速SSD上。

二、Data Viewer

下载地址：https://github.com/irapkaist/data_viewer.git
  该数据查看器（Data Viewer）显示原始传感器数据和转换后的LiDAR数据。 要使用此查看器查看数据，用户需要使用文件播放器发布数据。

结语

笔者学识有限，定有很多错误，请多包含。希望大家多多交流，踊跃留言。
关于论文 RINS-W: Robust Inertial Navigation System on Wheels，有很多地方想交流，希望有研读过这篇论文的学者可以不吝赐教，在帖子留言。或者私聊我，vx：610181747。