Sep, 2023

POLAR3D：增强 NASA 的 POLAR 数据集用于数据驱动的月球感知和漫游器仿真

PDF
TL;DR我们报告了一个关于 POLAR3D 的努力，它是由美国宇航局生成的模拟月球照明条件的 POLAR 数据集的数字资产。我们的贡献有两个方面：首先，我们为 POLAR 数据集中的每张照片进行了注释，为岩石及其阴影提供了约 23,000 个标签；其次，我们数字化了 POLAR 数据集中的几个月球地形场景。POLAR3D 是一组数字资产，包括岩石 / 阴影标签和与月球地形场景的数字孪生体相关的 obj 文件。该数据集可用于训练月球探测的感知算法和合成原始 POLAR 收集之外的照片真实场景。同样，obj 资产可以集成到模拟环境中，以促进数字化 POLAR 场景中逼真的月球车操作。POLAR3D 公开可用，以帮助感知算法开发、相机模拟工作和月球模拟练习。
polar3ddigital assetslunar lighting conditionsrocks and shadowslunar exploration
发现论文，激发创造
  • POLAR Traverse 数据集：极端光照条件下模拟月球极地地形穿越的立体相机图像数据集

    通过极地光照条件下的高保真度立体成对图像的 POLAR Traverse 数据集，模拟直线移动并记录不同相机高度和倾斜度的遍历图像，旨在开发和测试依赖立体或单眼相机图像的软件算法（如视觉里程计）在月球极地环境中的应用，并提供月球极地区域预期光照条件的洞察。

    Mar, 2024

  • 冰冷月球表面模拟与采样自主性的立体深度估计

    为了解决冰卫星着陆任务中的采样自主性问题，我们提出了图形化工具用于冰卫星表面模拟 (GUISS) 框架，用于生成深度估计的立体数据集，并评估了传统和深度学习算法在不同的可视化假设下的性能。

    Jan, 2024

  • PolarMix: 一种用于 LiDAR 点云的通用数据增强技术

    PolarMix 是一种点云数据增强技术，通过两个跨扫描的增强策略实现数据的丰富和保真，能够在不同的感知任务和场景中有效缓解数据限制，并能为各种 3D 深度架构提供即插即用，并且在无监督领域适应中也表现出良好的性能。

    Jul, 2022

  • 具有有限数据的光度挑战物体的多模态六自由度姿态估计的偏振信息

    利用极化信息的监督学习方法以及借助物理特性的自监督学习方法取得重要进展，通过利用极化光的几何信息和引入形状先验知识和可逆物理约束来提高姿态估计的准确性。

    Aug, 2023

  • 极化成像技术在感知领域的应用

    本文中，我们分析了使用 RGB 偏振相机相比 RGB 相机在感知任务中的潜在效果，并探讨了深度神经网络的应用，研究表明，使用 RGB 偏振相机可以在双目深度估计和自由空间检测方面实现可量化的改进，同时，我们还提出了一种新的数据集，为感知算法的发展提供了支持。

    May, 2023

  • A*3D 数据集：面向复杂环境的自动驾驶

    本文介绍了一份新的挑战性 A*3D 数据集，以满足自动驾驶研究任务在高度多样化的环境中的需求，并采用基于 RGB 图像和 LiDAR 数据的丰富多样的场景、时间和天气情况，其中包括重度遮挡和大量的夜间框架，共包含 39K 帧、7 个类别和 230K 个 3D 对象注释。对 A*3D 数据集进行广泛的 3D 对象检测基准评估，对高密度、白天 / 黑夜等各种属性给出了有趣的见解。

    Sep, 2019

  • DIDLM：具有红外摄像头、深度摄像头、LiDAR 和 4D 毫米波雷达的全面多传感器数据集，用于 3D 地图在具有挑战性的场景中

    该研究提供了一个综合多传感器数据集，旨在挑战性室内外环境中进行 3D 地图制作。数据集包括红外相机、深度相机、LiDAR 和 4D 毫米波雷达的数据，提供了探索先进感知和制图技术的可能性。多种传感器数据的整合增强了在极端条件下（如雨、雪和不平整的道路表面）的感知能力。数据集还包括室内外以不同速度运行的交互式机器人数据，提供了逼真的背景环境。通过类似路线的 SLAM 比较，分析了不同复杂场景对各个传感器的影响。采用各种 SLAM 算法处理数据集，揭示了不同场景中算法性能的差异。总之，该数据集解决了特殊环境中数据稀缺的问题，促进了在极端条件下感知和制图算法的发展。利用包括红外、深度相机、LiDAR、4D 毫米波雷达和机器人交互的多传感器数据，该数据集推动了智能制图和感知能力的进步。我们的数据集可在此链接获取：https://example.com/dataset

    Apr, 2024

  • LROC-PANGU-GAN：用行星模拟器填补学习撞击坑分割的仿真缺口

    我们引入了一个系统来闭合真实环境与现有培训数据之间的 “真实性” 差距，同时保持标签的准确性。我们使用 CycleGAN 模型合成 LROC 和 PANGU 图像，结果表明这些改进了下游撞击坑分割网络的训练，与仅使用模拟的 PANGU 图像相比，真实 LROC 图像的分割性能得到提高。

    Oct, 2023

  • 3DRef：基于 RGB 和 Lidar 数据的反射检测的 3D 数据集和基准测试

    这篇论文介绍了第一个大规模的 3D 反射检测数据集，包含超过 50,000 个多返回 Lidar、RGB 图像和 2D/3D 语义标签样本，在各种室内环境中，含有不同类型的反射。通过纹理化的 3D 地面真实网格实现自动点云标注，提供精确的地面真实标注。详细的评估对比了三种 Lidar 点云分割方法，以及当前最先进的图像分割网络对玻璃和镜子的检测。该数据集通过提供准确的全局对齐、多模态数据和各种反射物体和材料，推动了反射检测的进一步研究。该数据集可以在指定的 http 链接公开获取。

    Mar, 2024

  • 光谱极化视觉：光谱极化实际数据集

    提出了两个新的光谱极化数据集：三色 Stokes 图像和高光谱 Stokes 图像。这些数据集包含线性和圆偏振；引入了多个光谱通道；并且具有广泛选择的真实世界场景。通过这些数据集，分析了光谱极化图像的统计特性，发展了高维数据的有效表示方式，并评估了形态 - 来自 - 极化方法的光谱依赖性。该数据集为数据驱动的光谱极化成像和视觉研究奠定了基础。数据集和代码将公开提供。

    Nov, 2023