ShotcreteDepth: Un conjunto de datos bimodal para la percepción robusta de profundidad robótica en entornos de construcción con hormigón proyectado

Resumen

Presentamos ShotcreteDepth, un conjunto de datos bimodal del ámbito de la construcción que captura tanto un proceso activo de proyección de hormigón como entornos generales de construcción. El conjunto de datos comprende imágenes estéreo RGB y nubes de puntos LiDAR adquiridas en condiciones reales adversas, incluyendo alta turbidez y mala iluminación. Estas condiciones afectan negativamente las mediciones de los sensores, dando lugar a observaciones incompletas y ruidosas que plantean desafíos significativos para los sistemas de percepción en aplicaciones autónomas. Junto con el conjunto de datos, publicamos una herramienta de anotación ligera diseñada para el etiquetado eficiente en tiempo de nubes de puntos LiDAR. ShotcreteDepth consta de 11,252 muestras de datos sincronizadas temporalmente, de las cuales 220 están anotadas con fines de evaluación. El conjunto de datos apoya la investigación en correspondencia estéreo, completitud de profundidad y estimación de profundidad en condiciones que reflejan fielmente las complejidades operativas presentes en entornos industriales. Repositorio del proyecto: 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