"MSD-VMMS-HK：基于车载多模态传感器的高精度城市场景测绘数据集及其在自动驾驶与数字孪生中的应用"

《Scientific Data》：Multimodal sensor dataset from vehicle-mounted mobile mapping system for comprehensive urban scenes

香港理工大学团队针对城市GNSS信号缺失场景下高精度测绘数据匮乏的问题，开发了首个涵盖隧道、城市峡谷等复杂环境的车载多模态数据集MSD-VMMS-HK。该数据集集成128线Velodyne VLS-128（精度3cm）、毫米级Riegl VUX-1HA LiDAR、Ladybug5+全景相机及NovAtel SPAN CPT7 GNSS/INS系统，通过GNSS+INS+SLAM融合技术实现厘米级定位，为自动驾驶、高清地图和数字孪生研究提供了关键基准数据。

　　

在城市数字化浪潮中，传统固定测绘方式已难以满足高动态场景需求。尽管背包式、机器人移动测绘系统有所发展，但受限于数据规模和环境适应性，车辆级大范围测绘仍面临三大挑战：GNSS信号缺失区域（如隧道、城市峡谷）的定位漂移、多源传感器时空同步精度不足、以及缺乏毫米级精度的场景基准数据。这些问题严重制约了自动驾驶、高清地图等前沿应用的可靠性验证。

香港理工大学土地测量与地理资讯学系联合智能城市研究院的研究团队，在《Scientific Data》发表了突破性解决方案。他们通过搭载128线激光雷达Velodyne VLS-128（230万点/秒）、毫米级精度Riegl VUX-1HA（180万点/秒）和六镜头全景相机Ladybug5+（8192×4096@15Hz）的车载平台，结合NovAtel SPAN CPT7 GNSS/INS（100Hz）的PPS纳秒级时间同步技术，构建了覆盖香港跨海隧道、城市峡谷等典型场景的MSD-VMMS-HK数据集。关键技术包括：1）采用因子图优化融合GNSS/INS与LiDAR里程计，解决GNSS拒止环境定位问题；2）通过机械臂测量与算法校准实现多传感器空间标定；3）利用香港卫星参考站网络（SatRef）进行RTK后处理，确保绝对定位精度。

【数据记录】

研究团队在香港中环、红磡隧道等15类场景采集了总长8.3km的数据（表1），其中科学园路段单次采集即获得9028.7百万点云数据。通过40个政府控制点验证，水平定位均方根误差达0.37m（图4），隧道场景通过INS初始化与后端平滑保持米级精度（表2）。与KITTI等传统数据集相比（表3），本数据集首次实现250Hz单线LiDAR与全景影像的毫秒级同步，满足城市级变化检测需求。

【技术验证】

创新性地采用SLAM辅助的轨迹优化方法（图5），将GNSS中断区域的定位误差从米级降至分米级。实验显示，在建筑密集的中环地区，纯IMU轨迹因高层遮挡产生明显漂移，而结合LiDAR点云特征匹配的SLAM修正后，道路曲率失真问题得到显著改善（图4c）。单线LiDAR数据通过RandLA-Net网络实现道路设施、植被等要素的语义分割（图6），分类精度较传统方法提升32%。

【应用展示】

数据集支持三大核心应用：1）通过多期中央区数据（2023-2024）实现道路设施变化检测（图8），识别出可伸缩路障等细微变化；2）全景影像自动识别路面裂缝（图7），为基础设施维护提供量化依据；3）构建彩色点云地图（图6a），辅助自动驾驶系统在立交桥等复杂路网的场景理解。

该研究标志着城市级移动测绘技术的重大突破，其毫米级精度与多模态特性为三类研究提供新范式：1）验证SLAM算法在极端环境下的鲁棒性；2）建立车载传感器标定基准；3）推动数字孪生从静态建模向动态感知演进。研究团队开源了2TB原始数据及处理代码（https://scri-platform.org/vmms），将持续更新涵盖台风等特殊场景的扩展数据集。这项成果不仅填补了亚洲高密度城市测绘数据的空白，更为智慧城市基础设施建设提供了可追溯的时空基准。