待补充
weisongwen/UrbanNavDataset
3/5
🧩 软硬件结合
已发布
项目简介
UrbanNav: an Open-Sourcing Localization Data Collected in Asian Urban Canyons, Including Tokyo and Hong Kong
UrbanNavDataset 是一个面向城市峡谷环境的开源多传感器定位数据集，由香港理工大学智能定位与导航实验室发布。该数据集的核心目标是解决在亚洲典型高密度城市区域（如东京和香港）中，低成本传感器定位精度严重下降的问题。在高楼林立的城市峡谷中，GNSS信号容易受到非视距接收和多路径效应的影响，而动态行人、车辆等也会干扰激光雷达和相机的性能。UrbanNav 为此提供了极具挑战性的真实数据源。
标签
项目特点
聚焦城市峡谷场景：数据采集自东京和香港的典型高密度城区，包含大量高楼遮挡、非视距接收和多路径效应。
多传感器融合：提供GNSS（GPS、GLONASS、北斗等）、IMU、激光雷达、相机等多种传感器数据，支持多模态定位研究。
低成本传感器配置：使用消费级或工业级传感器（如u-blox GNSS接收机、Velodyne LiDAR、低成本IMU），贴近实际应用。
真实挑战环境：包含动态行人、车辆、隧道、立交桥等复杂场景，数据标注了真实轨迹和地面真值。
开源且可复现：所有数据、标定文件、评估脚本均公开，支持研究者复现和对比实验结果。
标准化格式：数据以ROS bag格式存储，便于直接导入ROS系统进行算法开发。
技术规格
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Velodyne VLP-16 激光雷达 | 1 | — | 16线，360°水平视场 |
| Point Grey Flea3 相机 | 1 | — | 全局快门，彩色 |
| u-blox M8N GNSS接收机 | 1 | — | 支持GPS/GLONASS/北斗 |
| Xsens MTi-300 IMU | 1 | — | 低成本MEMS惯性测量单元 |
| NovAtel SPAN-CPT | 1 | — | 高精度RTK-GNSS/INS组合导航，提供地面真值 |
| 笔记本电脑（Intel i7, 16GB RAM） | 1 | — | 数据采集与存储 |
| 移动硬盘（1TB） | 1 | — | 存储原始数据 |
| 天线（GNSS） | 1 | — | 用于接收卫星信号 |
能力画像
**记忆与知识检索**：3/5 — 数据集包含大量传感器数据，需要查阅文档和标定文件来理解数据结构。
**动手与操作**：4/5 — 需要实际下载数据、配置ROS环境、运行数据回放和评估脚本。
**编程与算法**：4/5 — 需要编写Python或C++代码来处理传感器数据、实现定位算法（如SLAM、多传感器融合）。
**设计与建模**：2/5 — 数据集本身是现成的，但需要设计实验方案和评估指标。
**实验与调试**：5/5 — 核心工作在于调试定位算法，对比不同传感器配置下的性能差异。
**协作与分享**：3/5 — 可通过GitHub提交Issue、PR，或与其他研究者共享结果。
**学习与研究**：5/5 — 非常适合研究城市峡谷环境下的GNSS拒止定位、多传感器融合等前沿课题。
**系统集成**：3/5 — 需要将多个传感器数据流集成到ROS系统中，并协调时间戳同步。
项目图库
所需技能
ROS基础操作（bag回放、话题订阅）
Python编程（数据处理、可视化）
基本GNSS和IMU原理
激光雷达点云处理（如PCL库）
多传感器融合算法（如扩展卡尔曼滤波、因子图优化）
轨迹评估方法（ATE、RPE）
版本控制（Git）
适用场景
城市峡谷环境下的GNSS拒止定位算法研究
多传感器融合SLAM（如LiDAR-IMU-GNSS融合）
低成本传感器定位性能评估与对比
自动驾驶或机器人导航在密集城区中的鲁棒性测试
学术论文实验验证（如ICRA、IROS、IEEE T-RO等会议/期刊）
高校或研究所的定位与导航课程教学案例