ShotcreteDepth: Бимодальный набор данных для надежного роботизированного восприятия глубины в условиях торкрет-бетонирования

Аннотация

Мы представляем ShotcreteDepth — бимодальный набор данных из строительной области, который охватывает как активный процесс торкретирования, так и общие строительные среды. Набор данных включает стереоизображения RGB и облака точек LiDAR, полученные в суровых реальных условиях, включая высокую мутность и плохое освещение. Такие условия негативно влияют на измерения сенсоров, приводя к неполным и зашумленным наблюдениям, что создает значительные трудности для систем восприятия в автономных приложениях. Вместе с набором данных мы выпускаем легковесный инструмент аннотирования, предназначенный для эффективной по времени разметки облаков точек LiDAR. ShotcreteDepth состоит из 11 252 временно синхронизированных образцов данных, из которых 220 аннотированы для целей оценки. Набор данных поддерживает исследования в области стереосопоставления, восстановления глубины и оценки глубины в условиях, которые точно отражают эксплуатационные сложности промышленных объектов. Репозиторий проекта: 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