[論文レビュー] The S3LI Vulcano Dataset: A Dataset for Multi-Modal SLAM in Unstructured Planetary Environments

Riccardo Giubilato, Marcus Gerhard Müller+4 more|arXiv (Cornell University)|Jan 27, 2026

Robotics and Sensor-Based Localization被引用数 0

ひとこと要約

S3LI Vulcano multi-modal SLAM データセットは Vulcano 島で収集され、RGB カメラ、 solid-state LiDAR、IMU、差分 GNSS を備え、未開拓の惑星様環境における SLAM と場面認識のベンチマークを提供します。

ABSTRACT

We release the S3LI Vulcano dataset, a multi-modal dataset towards development and benchmarking of Simultaneous Localization and Mapping (SLAM) and place recognition algorithms that rely on visual and LiDAR modalities. Several sequences are recorded on the volcanic island of Vulcano, from the Aeolian Islands in Sicily, Italy. The sequences provide users with data from a variety of environments, textures and terrains, including basaltic or iron-rich rocks, geological formations from old lava channels, as well as dry vegetation and water. The data (rmc.dlr.de/s3li_dataset) is accompanied by an open source toolkit (github.com/DLR-RM/s3li-toolkit) providing tools for generating ground truth poses as well as preparation of labelled samples for place recognition tasks.

研究の動機と目的

• 惑星様で未開拓かつ自然環境の SLAM と場面認識の開発とベンチマークを促進する。
• RGB 画像、固体状態 LiDAR、IMU、差分 GNSS のグラウンドトゥルースを組み合わせたマルチモーダルデータを提供する。
• データ上で最先端の SLAM 手法を動作させるためのキャリブレーション、後処理ツール、サンプルスクリプトを提供する。
• 未開拓な地形におけるループクロージャ、リロケーション、長距離軌道の課題を強調する。

提案手法

• S3LI Vulcano センサーキット（ステレオ RGB カメラ、MEMS ミラーを備えた固体状態 LiDAR、IMU、GNSS）と ROS ベースのデータ収集ワークフローを記述する。
• センサーをキャリブレーションする（カメラのステレオキャリブレーション、IMU-カメラの外部キャリブレーションには Kalibr）、および Precision Time Protocol (PTP) で同期する。
• RTKLIB を用い近傍の基地局で差分 GNSS のグラウンドトゥルースをオフライン生成することで高精度な姿勢参照を提供する。
• ROS バグファイルと、グラウンドトゥルース姿勢を生成し、場面認識用ラベル付きサンプルを準備する補助ツールキットを公開する。
• データセットの使いやすさと性能を示すために、既存の SLAM アルゴリズムのサンプル実行を提供する。

Figure 1: Impression of the S3LI (RGB S tereo, S olid- S tate L iDAR, I nertial) sensor setup, captured on the Gran Cratere della Fossa , the active center of Vulcano, vulcan from the homonymous island from the Aeolian Islands, Sicily. On the setup it is visible the white GNSS antenna, computer unit

実験結果

リサーチクエスチョン

• RQ1 マルチモーダル（RGB + LiDAR + IMU + GNSS）センサモダリティは、未開拓の惑星様環境における SLAM のロバスト性をどう向上させるか？
• RQ2 火山地形のような高度に自然で非人為的な地形におけるループクロージャとリロケーションの課題は何か？
• RQ3 多様な地形タイプ（岩、砂、植生、水）に対してマルチモーダル場面認識を訓練・評価できるか？
• RQ4 MEMS ミラーを用いた固体状態 LiDAR の使用が、従来の回転 LiDAR セットアップと比較して感知範囲と地図品質に与える影響はどの程度か？

主な発見

• データセットは、安山岩の岩石、溶岩構造、砂、水、植生を含む七つのシーケンスを提供し、多様な SLAM シナリオに対応する。
• グラウンドトゥルースはオフラインの差分 GNSS ソリューションを通じて提供され、正確な評価を支援する。
• 補完的なオープンソースツールキットにより、6D のグラウンドトゥルース姿勢と場面認識タスク用のラベル付きサンプルを生成できる。
• 視覚・視覚運動計(SLAM) の未開拓条件下での適用性を示すために、比較した SLAM 手法がデータセットの有用性と性能を示している。
• データには RGB 画像、固体状態 LiDAR スキャン、IMU データ、GNSS 測定値が、厳密な時刻同期 (PTP) で記録されている。

Figure 2: Graphical examples of associated RGB images and LiDAR scans from the dataset sequences. For each sequence, 3 samples of corresponding images and scans are provided