ShotcreteDepth: Ein bimodaler Datensatz für robuste robotische Tiefenwahrnehmung in Spritzbeton-Bauumgebungen

Zusammenfassung

Wir stellen ShotcreteDepth vor, einen bimodalen Datensatz aus dem Baubereich, der sowohl den aktiven Shotcrete-Prozess als auch allgemeine Bauumgebungen erfasst. Der Datensatz umfasst Stereobildpaare im RGB-Format sowie LiDAR-Punktwolken, die unter anspruchsvollen realen Bedingungen wie starker Trübung und schlechter Beleuchtung aufgenommen wurden. Diese Bedingungen beeinträchtigen die Sensormessungen und führen zu unvollständigen und verrauschten Beobachtungen, die erhebliche Herausforderungen für Wahrnehmungssysteme in autonomen Anwendungen darstellen. Zusammen mit dem Datensatz veröffentlichen wir ein leichtgewichtiges Annotationstool, das für die zeiteffiziente Kennzeichnung von LiDAR-Punktwolken entwickelt wurde. ShotcreteDepth besteht aus 11.252 zeitlich synchronisierten Datenproben, von denen 220 zu Evaluierungszwecken annotiert sind. Der Datensatz unterstützt die Forschung im Bereich Stereo Matching, Tiefenvervollständigung und Tiefenschätzung unter Bedingungen, die die operativen Komplexitäten industrieller Umgebungen widerspiegeln. Projekt-Repository: https://github.com/dtu-pas/shotcrete-depth

English

We introduce ShotcreteDepth, a bi-modal dataset from the construction domain that captures both an active shotcreting process and general construction environments. The dataset comprises stereo RGB imagery and LiDAR point clouds acquired under harsh real-world conditions, including high turbidity and poor illumination. Such conditions adversely affect sensor measurements, leading to incomplete and noisy observations that pose significant challenges for perception systems in autonomous applications. Alongside the dataset, we release a lightweight annotation tool designed for time-efficient labeling of LiDAR point clouds. ShotcreteDepth consists of 11,252 temporally synchronized data samples, of which 220 are annotated for evaluation purposes. The dataset supports research in stereo matching, depth completion, and depth estimation under conditions that closely reflect the operational complexities found in industrial settings. Project repository: https://github.com/dtu-pas/shotcrete-depth