ForVis: An In-Field Dataset and Benchmark for VIO Using Under-Canopy UAV Flights in Forests

📄 arXiv: 2609.35482v1 📥 PDF

作者: Arman Kiani, Masoud Ataei, Elvis Gyaase, Jeffrey Eiyike, Aaron Weiskittel, Prabuddha Chakraborty, Vikas Dhiman

分类: cs.RO

发布日期: 2026-09-28

💡 一句话要点

提出ForVis数据集以解决森林环境下VIO评估问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 视觉惯性定位 无人机技术 森林环境 数据集 基准测试 算法评估 传感器选择

📋 核心要点

  1. 现有的VI-SLAM方法在真实森林环境中评估时面临诸多挑战，如光照变化和植被干扰，导致定位精度下降。
  2. 本文提出ForVis数据集，专注于在森林环境中进行无人机飞行的VI-SLAM评估，提供真实的飞行数据和基准测试。
  3. 实验结果显示，传感器选择对轨迹误差的影响显著，所有算法在OAK-D Pro上的表现优于D435i，验证了数据集的有效性。

📝 摘要（中文）

视觉惯性同时定位与地图构建（VI-SLAM）在无人机（UAV）飞行中的评估在真实森林环境中仍然面临挑战，诸如运动、光照变化、重复植被和振动等因素都会影响估计。本文提出了ForVis，一个用于评估森林环境中无人机飞行VI-SLAM的现场数据集和基准。该数据集包含在开放草地、树冠上方和树冠下方条件下的十二次飞行，总计提供563.8秒的飞行数据，记录了1096.8米的轨迹，使用Intel RealSense D435i和OAK-D Pro Wide同时采集惯性和飞行控制数据。我们对七个开源VI-SLAM系统进行了504次基准测试，结果表明，传感器选择对轨迹误差的影响大于算法之间的差异：所有七种方法在OAK-D Pro上的中位误差均低于D435i。ForVis旨在支持在挑战性森林飞行中对VI-SLAM的速度、准确性和鲁棒性进行评估。

🔬 方法详解

问题定义：本文旨在解决在森林环境中评估视觉惯性同时定位与地图构建（VI-SLAM）系统的困难，现有方法在真实场景中的表现受到多种因素的影响，如光照变化和植被干扰，导致定位精度不足。

核心思路：论文提出了ForVis数据集，包含多种森林环境下的无人机飞行数据，旨在为VI-SLAM系统提供真实的评估基准，从而提高算法在复杂环境中的鲁棒性和准确性。

技术框架：ForVis数据集由十二次飞行数据组成，涵盖开放草地、树冠上方和树冠下方的多种环境。数据采集使用了Intel RealSense D435i和OAK-D Pro Wide，结合惯性和飞行控制数据进行同步记录。

关键创新：ForVis数据集的最大创新在于其针对森林环境的特定设计，提供了真实的飞行轨迹和环境变化数据，填补了现有VI-SLAM评估基准的空白。

关键设计：数据集的设计考虑了多种环境因素，确保了数据的多样性和代表性。实验中对七个开源VI-SLAM系统进行了504次基准测试，结果表明传感器选择对轨迹误差的影响显著。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

实验结果表明，所有七种VI-SLAM方法在OAK-D Pro传感器上的中位误差均低于D435i，验证了传感器选择对轨迹精度的显著影响。这一发现为选择合适的传感器提供了重要依据，推动了VI-SLAM技术在森林环境中的应用。

🎯 应用场景

该研究的潜在应用领域包括无人机在农业监测、森林管理和环境保护等方面的应用。ForVis数据集为研究人员提供了一个可靠的评估平台，促进了VI-SLAM技术在复杂自然环境中的发展，未来可能推动无人机技术的广泛应用。

📄 摘要（原文）

Visual-inertial Simultaneous Localization and Mapping (VI-SLAM) for UAVs remains difficult to evaluate in real forest environments, where motion, illumination changes, repetitive vegetation, and vibration can all affect estimation. We present ForVis, an in-field dataset and benchmark for evaluating VI-SLAM during UAV flight in forest environments. The dataset contains twelve flights across open meadow, above-canopy, and under-canopy conditions in each environment. In total, it provides 563.8s of flight over 1096.8m of trajectory, recorded simultaneously with an Intel RealSense D435i and an OAK-D Pro Wide together with inertial and flight-controller data. We benchmark seven open-source VI-SLAM systems over 504 runs. The results show that sensor choice has a larger effect on trajectory error than the spread between algorithms: all seven methods achieve lower median error on the OAK-D Pro than on the D435i. ForVis is intended to support evaluation of speed, accuracy and robustness for VI-SLAM in challenging forest flight.