4Seasons：面向自动驾驶中跨季节多天气 SLAM 的数据集
计算机视觉与模式识别
2025-06-23 v3
摘要
我们提出了一个涵盖自动驾驶中季节性及具挑战性感知条件的新数据集。除其他外，它支持视觉里程计、全局地点识别以及基于地图的重定位跟踪研究。数据在不同场景以及包括白天和夜晚在内的广泛天气条件和光照下采集。这产生了超过 350 km 的录制数据，涵盖从多层停车库到城市（含隧道）、乡村和高速公路等九种不同环境。我们提供了通过直接立体视觉-惯性里程计与 RTK-GNSS 融合获得的具有厘米级精度的全局一致参考位姿。完整数据集可在 https://go.vision.in.tum.de/4seasons 获取。
引用
@article{arxiv.2009.06364,
title = {4Seasons: A Cross-Season Dataset for Multi-Weather SLAM in Autonomous Driving},
author = {Patrick Wenzel and Rui Wang and Nan Yang and Qing Cheng and Qadeer Khan and Lukas von Stumberg and Niclas Zeller and Daniel Cremers},
journal= {arXiv preprint arXiv:2009.06364},
year = {2025}
}
备注
German Conference on Pattern Recognition (GCPR 2020)