DLR - Institut für Robotik und Mechatronik

Home|Sitemap|Kontakt|Barrierefreiheit Impressum und Nutzungsbedingungen Datenschutz Cookies & Tracking |English

Sie sind hier: Home:Veröffentlichungen und Downloads:Datensätze

Wissenschaftliche Datensätze

Benchmark Maps

2,5D-Höhenkarten einer planetaren Umgebung, die während der weltraumanalogen ARCHES-Mission auf dem Ätna gesammelt wurden. Zusätzlich zu den rohen Erhebungskarten stellen wir Kostenkarten zur Verfügung, welche die Befahrbarkeit des Geländes kodieren.

Mehr

Der planetarische Stereo-Solid-State-LiDAR-Inertial-Datensatz

Wir veröffentlichen einen Datensatz, der in der mondähnlichen Umgebung des Ätna auf Sizilien mit einem Sensor-Setup aufgenommen wurde, das eine Stereokamera, ein LiDAR und eine IMU umfasst.

Mehr

CROOS-CV

Der CROOS-CV-Datensatz soll die Entwicklung von Computer Vision (CV) für Close Range On-Orbit Servicing (CROOS) unterstützen und bewerten. Der repräsentative Bilddatensatz wurde unter Beleuchtungsbedingungen ähnlich einem Low Earth Orbit aufgenommen.

Mehr

Langstrecken-Navigations-Tests (LSNTs)

Während der ROBEX-Demo-Mission-Weltraum-Kampagne, die von Juni bis Juli 2017 auf dem Vulkan Ätna in Italien stattfand, wurden einige Tests zur Langstrecken-Navigation durchgeführt.

Mehr

Marokko-Navigations-Tests

Für das h2020-Forschungsprojekt PERASPERA OG3 und OG6 nahm das Institut an einem Feldtest im November/Dezember 2018 in der marokkanischen Wüste teil.

Mehr

MMX Navigation Test-Datensatz

Öffentliche Sammlung der Test-Daten, die zum Testen des Experiments "DLR Autonomous Navigation" mit dem MMX-Rover auf dem Marsmond Phobos verwendet wird.

Mehr

STIOS

Der Stereo Instances on Surfaces Datensatz (STIOS) soll die Evaluierung von Instanz-basierenden Algorithmen ermöglichen und ist hauptsächlich für robotische Anwendungen gedacht, weshalb sich der Datensatz auf horizontale Oberflächen bezieht.

Mehr

THR-Datensatz

Der THR-Datensatz (Top Hat Rail) besteht aus Farb- und Tiefenbildern 9 verschiedener Objektklassen und kann z.B. verwendet werden, um Perzeptionsalgorithmen durch Lernen zu verbessern.

Mehr