SNAIL-Radar-Indoor: 面向退化环境下鲁棒 SLAM 的大规模手持激光雷达 -4D 雷达-IMU 数据集

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：SNAIL-Radar-Indoor:A large-scale handheld LiDAR–4D radar–IMU dataset for robust SLAM in degraded environments

　　

# 摘要

多模态感知，尤其是4D成像雷达，在应急搜救领域极具前景，因为它在烟雾和高反射结构下仍能保持信息有效性。然而，现有的公开雷达数据集主要记录的是户外车辆运动或洁净的室内空间。我们提出了SNAIL-Radar-Indoor，这是一个大规模手持式激光雷达–4D雷达–IMU数据集，面向烟雾及其他退化环境下的SLAM应用。作为对先前户外SNAIL-Radar基准的扩展，本次发布包含217段序列，总时长约850分钟，在六个场景类型的13个场地采集，包括办公楼、废弃建筑、大厅、工厂车间、地下停车场以及部分户外连接空间。序列涵盖了走廊、房间、楼梯、狭窄转角、室内外过渡、反射结构、动态人群和真实烟雾。数据采集使用了一款紧凑的自研一体化平台，包含3D激光雷达、低成本单芯片4D成像雷达、消费级IMU以及可选的气压计。在可行的情况下，我们包含了重复遍历和闭环路径，以支持地点识别和闭环评估。所发布的轨迹为方法生成的参考轨迹，并非独立的绝对真值。无烟雾序列主要使用闭环一致的LIO（激光里程计）参考轨迹；完全烟雾主导的序列使用基于iRIOM的雷达–IMU参考轨迹，并结合AHRS和气压约束；部分退化序列使用烟雾感知的分段RLIO参考轨迹。闭环序列额外包含起点–终点的激光雷达配准约束，而非闭环序列则伴随基于地图的端到端位移检查。该数据集支持雷达与多模态配准、烟雾鲁棒的里程计与建图、去噪、环境感知以及退化环境下的导航研究。

# 引言

在实际火灾事件中，大多数伤亡发生在建筑物内部。高温、浓烟和结构损坏可以迅速降低能见度，使人类视觉和常规摄像头几乎失效。因此，救援人员往往只能依赖沿墙探索、基于经验的判断和有限的语音通信，在复杂的建筑中前进。在这种"近乎零能见度"的室内烟雾环境中，实现安全高效的作业必须依靠具备自主感知和决策能力的机器人或可穿戴终端，以完成烟雾环境下的持续定位与建图，以及自主导航与路径规划，以规避障碍物并穿越走廊和楼梯。因此，在如此退化条件下鲁棒的状态估计与建图，是任何自主搜救机器人执行更高级搜救任务的基本前提。

在高浓度烟雾和复杂的室内结构中，单一传感器的感知能力往往严重退化。烟雾可以显著缩短激光雷达的有效作用距离并降低点云密度（Sturm等，2012；Bijelic等，2020）；金属和玻璃等表面则容易引入镜面反射、透射和多次回波，干扰激光雷达和毫米波雷达的距离测量和强度响应（Burri等，2016）。同时，走廊、房间、门厅和楼梯带来的频繁遮挡和剧烈视角变化会进一步放大这些问题，导致单模态同步定位与建图（SLAM）产生漂移甚至完全失效，导航功能也随之失败。相比之下，融合3D激光雷达的精细几何结构、4D成像雷达在烟雾和高温气溶胶下稳定的距离–多普勒测量，以及IMU的短期运动先验信息，可以在退化条件下相互补偿，为状态估计和导航提供更可靠的多模态感知基础（Hasch等，2012；Patole等，2017）。

尽管以雷达为核心以及多模态SLAM和导航算法发展迅速，但与算法和硬件的快速发展相比，专门针对"室内烟雾场景"的多模态数据资源仍然极度匮乏。现有的公开数据集主要聚焦于户外、车载或洁净的室内环境，缺乏对真实烟雾和复杂室内场景（如走廊、房间和楼梯）的系统记录与标注。这在很大程度上制约了相关算法的设计、训练、评估和可重复研究，包括烟雾鲁棒的里程计、建图和自主导航（Barnes等，2020；Schumann等，2021；Kim等，2020；Sturm等，2012；Burri等，2016）。

为此，我们提出了SNAIL-Radar-Indoor：一个经过精心整理的、针对室内和部分户外空间的多元复杂特殊场景的手持式数据集，涵盖真实烟雾、动态人群等场景，主要聚焦于里程计定位、建图以及在复杂环境中自主导航等评估任务。图1提供了SNAIL-Radar-Indoor数据集的概览。本工作是SNAIL系列数据集的第二篇论文；此前，我们发布了SNAIL-Radar数据集，一个面向4D雷达SLAM的大规模、多样化户外基准（Huai等，2025），覆盖了晴天、雨天和夜间等各种场景。SNAIL-Radar为研究户外驾驶和校园场景中的4D雷达里程计、建图和地点识别奠定了基础，但不包含室内内容和系统部署的烟雾环境。所提出的SNAIL-Radar-Indoor将重点转向建筑物内部和部分户外空间的手持式操作，涉及真实烟雾，并扩展到时空对齐的激光雷达–4D雷达–IMU多模态观测，服务于退化场景下的里程计定位、建图和自主导航任务。为采集SNAIL-Radar-Indoor，我们构建了一款高度集成的一体化手持采集与处理设备，具备防水和防爆功能，包含激光雷达、4D雷达、IMU、气压计、机载计算与处理单元、存储空间和供电电池。

图1提供了SNAIL-Radar-Indoor中关键挑战和典型应用模式的概览。当手持设备穿越充满烟雾的室内空间时，激光雷达点云的有效感知范围和几何完整性可能显著下降，给可靠的定位和建图带来挑战。相比之下，毫米波4D雷达感知在烟雾中仍能提供相对稳定的结构线索，为低能见度条件下的感知和任务执行提供互补信息。我们进一步可视化了一个示例序列及其轨迹和地图，其中烟雾段采用以雷达为中心的可视化方式来突出其在低能见度下的作用。

SNAIL-Radar-Indoor数据集包含超过200段经过验证的序列，总时长约850分钟，涵盖办公楼、废弃建筑、室内大厅、工厂车间、地下停车场和部分户外空间，包括烟雾、高反射和动态人群等多种条件。核心模态包括机械式3D激光雷达、低成本4D成像雷达和消费级IMU，部分序列还采集了气压计数据；所有外参统一以体心外参图表示。在时间同步方面，我们使用机载处理器上的统一系统时钟；在空间标定方面，我们以IMU坐标系为基准建立体坐标系，并通过里程计估计和优化激光雷达/雷达与体坐标系之间的相对关系。

里程计和建图可以通过标准指标（如ATE/RPE和闭环成功率）进行评估，方法与提供的参考轨迹和闭环约束进行比对。我们提供了多模态点云和序列级烟雾标签，以及定性示例，以促进烟雾和高反射环境下鲁棒建图和导航的研究（Elfes，1989；Hart等，1968；Koenig和Likhachev，2002）。

本论文的贡献如下：

（1）一个面向复杂退化条件（如烟雾和强反射）下室内和部分户外空间的大规模多模态数据集，核心模态包括激光雷达–4D雷达–IMU；以体心为基准的外参和统一的时间基准，通过手持平台在多种建筑类型中采集。

（2）方法生成的参考轨迹和检验产物：发布遵循烟雾感知的RLIO策略，无烟雾序列使用LIO，完全烟雾主导的序列使用RIO，部分烟雾退化的序列使用分段LIO/RIO切换。闭环序列额外提供已接受的起点–终点配准约束和闭环一致的参考轨迹，而非闭环序列提供基于地图的端到端位移检查。

（3）一个主要设计用于在退化环境下（尤其是烟雾、反射结构和动态干扰下）对里程计、建图和多模态感知进行基准测试的数据集。

（4）数据分析与处理工具及脚本：我们提供解包、可视化和开源评估脚本，以支持参考轨迹和指标的复现。

**论文结构：** 第2节综述相关数据集和雷达增强型SLAM；第3节介绍传感器和场景；第4节描述数据集；第5节阐述闭环约束和参考轨迹；第6节详述标定和时间同步；第7节讨论已知问题；第8节总结全文。

# 相关工作片段

**室内多模态与几何基准数据集。** 典型的室内多模态/SLAM数据集为算法评估提供了坚实基础，但它们大多聚焦于"RGB-D-IMU"实验设置。例如，TUM RGB-D提供Kinect级RGB-D数据和位姿真值，已成为视觉里程计和RGB-D SLAM的长期基准（Sturm等，2012）。EuRoC MAV以室内载机双目视觉加IMU为核心，提供高质量的结构和运动真值（Burri等……）

# 传感器原理

本节总结了集成在手持平台上的多种传感器的感知原理，重点介绍4D成像雷达，同时也包括机械式激光雷达和IMU。不同采集会话的实际工作频率和分辨率记录在各序列的统计文件中。

在设备层面，系统采用TI IWR6843 4D成像雷达、Livox Mid-360机械式激光雷达和Xsens MTi-3 IMU模块。辅助传感器包括Bosch BME280……

# 数据集

我们的数据集命名为SNAIL-Radar-Indoor。它使用单一的一体化传感平台采集，主要以前持方式操作，也可选安装在小型UGV（无人地面车辆）上，面向包含真实烟雾等退化环境的室内和部分户外空间。每次数据采集均采用几乎相同的传感器配置，以确保跨场地的可比性和脚本的可复用性。

# 闭环约束与参考轨迹

我们为所有序列提供参考轨迹，并为标注为闭环的序列额外提供闭环约束。对于具有明显重复访问的闭环序列，闭环参考通过起始段和结束段构建的激光雷达子地图之间的鲁棒几何配准获得，生成相对位姿 T_{1→2}^{lc} ∈ SE(3)。该相对变换可用于量化闭环漂移，也可作为闭环边插入位姿图优化中，以产生……

# 传感器标定与时间同步

本节简要描述SNAIL-Radar-Indoor中使用的标定和时间同步方法。我们采用工程上稳定且高度可复用的方案，并与数据集一同发布具体数值。

# 已知问题与未来工作

我们在数据集中识别并保留了若干已知问题，以忠实反映系统特性并提醒用户在评估时予以考虑。

**软时间同步抖动。** 公开数据依赖主机时间戳结合基于运动的离线软同步，而非硬件级PPS触发。尽管抖动足够小，能够满足预期手持式里程计和建图的应用场景，但在高动态运动下仍可能存在残余的时间抖动。

# 结论

本文发布了SNAIL-Radar-Indoor数据集，这是一个面向室内和部分户外空间的大规模多模态基准，特别强调在真实烟雾和复杂结构环境下的鲁棒感知与建图。该数据集使用我们自研的一体化传感平台采集，主要以前持方式操作，也可选安装在小型UGV上，涵盖六种场景类型和十三个场地，包括办公楼、废弃建筑、室内大厅……

**CRediT作者贡献声明**

Yulong Han：写作—审阅与编辑、写作—初稿、可视化、验证、软件、方法论、调查、数据管理、概念化。Binliang Wang：写作—审阅与编辑、软件、资源、调查、形式分析。Yuan Zhuang：写作—审阅与编辑、监督、资源、项目管理、资金获取。Yuhao Liu：可视化、软件、调查、数据管理。Qipeng Li：写作—审阅与编辑、形式分析。

**利益冲突声明**

作者声明不存在任何已知的可能影响本文所报告工作的财务利益或个人关系方面的竞争利益。

**致谢**

本工作受国家自然科学基金（42374047）、深圳市自然科学基金基础研究资金（JCYJ20250604122402003；JCYJ20240813111103005）和武汉重点研发计划（2025061202030428）资助。我们感谢吕尚威在数据采集和设备构建方面的帮助。

Yulong Han | Binliang Wang | Yuan Zhuang | Yuhao Liu | Qipeng Li | Jiasheng Zhou