ShotcreteDepth: Een bimodale dataset voor robuuste robotische dieptewaarneming in spuitbeton-bouwomgevingen

Samenvatting

We introduceren ShotcreteDepth, een bimodale dataset uit de bouwsector die zowel een actief shotcrete-proces als algemene bouwomgevingen vastlegt. De dataset omvat stereoscopische RGB-beelden en LiDAR-puntenwolken die zijn verkregen onder zware reële omstandigheden, waaronder hoge troebelheid en slechte verlichting. Dergelijke omstandigheden hebben een negatieve invloed op sensormetingen, wat leidt tot onvolledige en ruizige waarnemingen die aanzienlijke uitdagingen vormen voor waarnemingssystemen in autonome toepassingen. Naast de dataset brengen we een lichtgewicht annotatietool uit, ontworpen voor tijdefficiënt labelen van LiDAR-puntenwolken. ShotcreteDepth bestaat uit 11.252 temporeel gesynchroniseerde datamonsters, waarvan er 220 zijn geannoteerd voor evaluatiedoeleinden. De dataset ondersteunt onderzoek naar stereomatching, dieptecompletie en diepteschatting onder omstandigheden die nauw aansluiten bij de operationele complexiteit in industriële omgevingen. Projectrepository: 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