ShotcreteDepth: 吹付コンクリート施工環境における頑健なロボット深度知覚のためのバイモーダルデータセット

要旨

ShotcreteDepthは、建設現場におけるアクティブな吹付コンクリート施工プロセスと一般的な建設環境の両方を捉えた、バイモーダル（二種類のモダリティからなる）データセットです。本データセットは、高濁度や低照度などの過酷な実環境条件下で取得されたステレオRGB画像とLiDAR点群で構成されています。こうした条件はセンサ計測に悪影響を及ぼし、不完全でノイズの多い観測結果をもたらし、自律アプリケーションにおける認識システムにとって大きな課題となります。データセットと併せて、LiDAR点群の効率的なラベリングを目的とした軽量なアノテーションツールも公開しています。ShotcreteDepthは11,252件の時間的に同期されたデータサンプルからなり、そのうち220件が評価用にアノテーションされています。本データセットは、産業現場に見られる実際の運用上の複雑さを反映した条件下での、ステレオマッチング、深度補完、深度推定の研究を支援します。プロジェクトリポジトリ: 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