ShotcreteDepth : Un jeu de données bimodal pour une perception robuste de la profondeur robotique dans les environnements de construction en béton projeté

Résumé

Nous présentons ShotcreteDepth, un jeu de données bimodal issu du domaine de la construction, qui capture à la fois un processus actif de projection de béton et des environnements de chantier généraux. Ce jeu de données comprend des images RVB stéréo et des nuages de points LiDAR acquis dans des conditions réelles difficiles, notamment une forte turbidité et un faible éclairage. Ces conditions nuisent aux mesures des capteurs, produisant des observations incomplètes et bruitées qui posent des défis majeurs aux systèmes de perception dans les applications autonomes. En complément du jeu de données, nous publions un outil d'annotation léger conçu pour un étiquetage efficace en temps des nuages de points LiDAR. ShotcreteDepth se compose de 11 252 échantillons de données temporellement synchronisés, dont 220 sont annotés à des fins d'évaluation. Ce jeu de données soutient la recherche en appariement stéréo, complétion de profondeur et estimation de profondeur dans des conditions qui reflètent fidèlement les complexités opérationnelles des environnements industriels. Référentiel du projet : 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