AgriLiRa4D：面向复杂农田稳健SLAM的多传感器UAV数据集

多传感器 SLAM 是农业无人机执行喷洒、测绘、巡检任务的基础能力，但要研究它在真实农田里到底稳不稳，公开可用的多模态实测数据一直很少。这份资料要回答的正是这个缺口：面向具有挑战性的户外农业环境，构建一套能支撑稳健运行研究的多模态 UAV 数据集 AgriLiRa4D。它值得现在看，因为采集设计把“农田类型”和“作业模式”当成显式变量，而不是随便飞几条航线，再配上高精度真值与完整标定，直接指向可复现的稳健性评测。

数据集的采集覆盖三类代表性农田：平坦、丘陵与梯田；每类都包含边界作业与覆盖作业两种模式，两者组合得到六组飞行序列。平台搭载 3D LiDAR、4D Radar 与 IMU，提供同步测量；真值轨迹来自具备实时动态差分能力的光纤惯性导航系统（FINS RTK），并附带完整的内参和外参标定。作者来自南京大学、杭州电子科技大学与 TopXGun Robotics。换句话说，几何、速度与天气鲁棒性、惯性这三类互补观测被放在同一条可信参考轨迹上，而这正是做传感器组合对比的前提。

最直接的可量化结果是实验设计本身：六组飞行序列构成评测集，作者在其中对四种当前主流的多传感器 SLAM 算法、跨不同传感器组合做了基准测试。按材料的表述，这些序列体现出较高难度，也说明可靠定位有必要引入多模态方法。需要说明的是，材料没有给出各算法的具体误差数字，因此只能确认“四种算法、多种传感器组合、六组序列”这一实验规模，无法进一步比较各方案优劣。

数据集要应对的挑战来自真实农田的物理特性：低纹理作物、重复图案、动态植被，以及喷洒作业中常见的低光或低温条件。材料还提到高速飞行带来的运动模糊，以及重载荷下洗气流引起的植被晃动，都会破坏视觉特征跟踪。这意味着 AgriLiRa4D 的价值不只在“多传感器”，更在于把这些失效模式变成可被反复触发的测试条件。作者同时指出，现有数据集多集中于城市或室内，少数扩展到岛屿、乡村小镇一类半自然场景，与真实农田的非结构化地形和异构植被仍有实质差异。

对做农业无人机自主导航的人来说，这意味着评测可以往前挪一步：不必等系统真正上田才发现退化，而是用带真值的序列在受控条件下复现低纹理、重复结构和动态植被造成的困难。作者的论证链条是，GNSS 在植被遮挡、大气扰动和多路径效应下会显著退化，纯视觉方案又受动态光照、特征稀疏与运动模糊的限制，因此多模态融合是必要路径，而非锦上添花；基准结果被用来说明这一点。实践上，一套带完整内外参标定的 LiDAR、4D Radar 与 IMU 同步数据，也让不同融合策略之间的横向比较有了共同起点。

这份资料面向做 UAV SLAM、多传感器融合和农业机器人定位的研究者与工程团队；读完能拿到的是一个明确定义了场景变量与作业模式的评测基准，以及一个可公开下载的数据入口（作者在文中给出了项目页面地址）。边界同样清楚：它的核心贡献在数据与基准，而非提出新算法；材料未披露序列时长、数据总量、传感器频率等细节，基准也只覆盖四种算法，结论的外推范围应限于所采集的三类农田与两种作业模式。换句话说，它解决的是“有没有可复现的农田多模态评测数据”，而不是“哪种融合方案最优”。

AgriLiRa4D: A Multi-Sensor UAV Dataset for Robust SLAM in Challenging Agricultural Fields Journal Title XX(X):1–13 ©The Author(s) 2016 Reprints and permission: sagepub.co.uk/journalsPermissions.nav DOI: 10.1177/ToBeAssigned www.sagepub.com/ SAGE Zhihao Zhan1,2, Yuhang Ming3, Shaobin Li2, and Jie Yuan1 Abstract Multi-sensor Simultaneous Localization and Mapping (SLAM) is essential for Unmanned Aerial Vehicles (UAVs) performing agricultural tasks such as spraying, surveying, and inspection. However, real-world, multi-modal agricultural UAV datasets that enable research on robust operation remain scarce. To address this gap, we present AgriLiRa4D, a multi-modal UAV dataset designed for challenging outdoor agricultural environments. AgriLiRa4D spans three representative farmland types—flat, hilly, and terraced—and includes both boundary and coverage operation modes,