LuSNAR:A Lunar Segmentation, Navigation and Reconstruction Dataset based on Muti-sensor for Autonomous Exploration

由于月球探索任务的复杂性，月球需要具备更高的自主性。环境感知和导航算法是月球车实现自主探测的基础。算法的开发和验证需要高度可靠的数据支持。现有的大多数月球数据集针对单一任务，缺乏多样化的场景和高精度的地面真实标签。为了解决这个问题，我们提出了一个多任务、多场景和多标签的月球基准数据集LuSNAR。该数据集可用于全面评估自主感知和导航系统，包括高分辨率的立体图像对、全景语义标签、密集深度图、LiDAR点云和月球车的位置。为了提供更丰富的场景数据，我们基于虚幻引擎构建了9个月球模拟场景。每个场景根据地形和物体密度进行划分。为了验证数据集的可用性，我们评估和分析了语义分割、三维重建和自主导航算法。实验结果证明，本文提出的数据集可用于自主环境感知和导航等任务的地面验证，并为测试算法指标的可访问性提供了月球基准数据集。我们在https://github.com/autumn999999/LuSNAR-dataset上公开了LuSNAR。

该论文旨在解决月球探测任务中自主感知和导航算法开发所需的高可靠性数据支持不足的问题，提出了一个多任务、多场景、多标签的月球基准数据集LuSNAR。

该论文提出了一个多任务、多场景、多标签的月球基准数据集LuSNAR，包括高分辨率立体图像对、全景语义标签、密集深度图、LiDAR点云和漫游车位置信息，以支持自主感知和导航系统的全面评估。

该论文提供了一个可用于测试自主环境感知和导航算法指标的月球基准数据集，并提供了9个基于虚幻引擎的月球模拟场景，实验结果表明该数据集可用于地面验证自主感知和导航任务，该数据集已在GitHub上开源。

在该领域的相关研究中，还有一些关于月球探测任务的数据集和算法的研究，例如MoonROx数据集和基于深度学习的月球地貌分类算法等。