[논문 리뷰] The S3LI Vulcano Dataset: A Dataset for Multi-Modal SLAM in Unstructured Planetary Environments

Riccardo Giubilato, Marcus Gerhard Müller외 4명|arXiv (Cornell University)|2026. 01. 27.

Robotics and Sensor-Based Localization인용 수 0

한 줄 요약

S3LI Vulcano 멀티모달 SLAM 데이터셋을 Vulcano island에서 수집했으며, RGB 카메라, 고정형 LiDAR, IMU, 그리고 차등 GNSS를 특징으로 하여 비구조적 행성 유사 환경에서 SLAM 및 장소 인식을 벤치마킹합니다.

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.

연구 동기 및 목표

• 행성 유사의 비구조적 자연 환경에서 SLAM 및 장소 인식의 개발 및 벤치마킹을 촉진합니다.
• RGB 이미지, 고정형 LiDAR, IMU 및 differential GNSS 지상 참조를 결합한 다중 모달 데이터를 제공합니다.
• 데이터에 대해 최첨단 SLAM 방법을 실행하기 위한 보정, 후처리 도구 및 예제 스크립트를 제공합니다.
• 비구조적 지형에서 루프 닫힘, relocalization 및 긴 궤적의 도전을 강조합니다.

제안 방법

• S3LI Vulcano 센서 세트(스테레오 RGB 카메라, MEMS 미러가 있는 고정형 LiDAR, IMU, GNSS) 및 ROS 기반 데이터 수집 워크플로를 설명합니다.
• 센서를 보정합니다(카메라 스테레오 보정, IMU-카메라 외부 보정으로 Kalibr) 및 Precision Time Protocol (PTP)와 동기화합니다.
• RTKLIB를 사용해 인근 기준국과 함께 오프라인에서 differential GNSS 지상참조를 생성하여 고정밀 포즈 참조를 제공합니다.
• ROS bagfiles와 장소 인식용 라벨 샘플을 생성하는 동반 도구 모음(companion toolkit)으로 데이터셋을 공개합니다.
• 데이터셋의 사용 용이성과 성능을 보여주기 위해 기존 SLAM 알고리즘의 예시 실행을 제공합니다.

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

실험 결과

연구 질문

• RQ1 다중 모달(RGB + LiDAR + IMU + GNSS) 센싱 모듈이 비구조적 행성 유사 환경에서 SLAM 강건성을 어떻게 향상시키는가?
• RQ2 화산 지형과 같이 매우 자연적이고 비인간적 지형에서 루프 닫힘(loop closure)과 relocalization의 도전 과제는 무엇인가?
• RQ3 다양한 지형 유형(암석, 모래, 식생, 물)에서 다중 모달 장소 인식을 학습하고 평가하기 위해 이 데이터셋을 사용할 수 있는가?
• RQ4 MEMS 미러가 있는 고정형 LiDAR를 사용하는 것이 전통적인 회전식 LiDAR 구성을 대비해 인지 범위와 매핑 품질에 미치는 영향은 무엇인가?

주요 결과

• 데이터셋은 다양한 SLAM 시나리오를 위한 현무암 암석, 용암 구조물, 모래, 물, 식생을 포착한 일곱 개의 시퀀스를 제공합니다.
• 지상참조는 정확한 평가를 지원하기 위해 오프라인 differential GNSS 솔루션으로 제공합니다.
• 보완적인 오픈 소스 툴킷은 장소 인식 작업을 위한 6D 지상참조 포즈와 라벨 샘플 생성 가능하게 합니다.
• 비구조적 조건에서 시각 및 시각-관성 SLAM에 대한 데이터셋의 적용 가능성을 다양한 SLAM 방법과 비교합니다.
• 데이터는 RGB 이미지, 고정형 LiDAR 스캔, IMU 데이터, GNSS 측정을 포함하며 엄밀한 시간 동기화(PTP)로 기록됩니다.

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