ALITA：面向长期自主的大规模增量数据集
机器人学
2022-09-13 v2
摘要
对于长期自主，大多数位置识别方法主要在简化场景或仿真数据集上评估，无法提供坚实证据来评估当前同步定位与建图（SLAM）的就绪程度。在本文中，我们提出一个用于大规模动态环境下移动定位的长期位置识别数据集。该数据集包含校园规模轨迹与城市规模轨迹：1）校园轨迹关注长期特性，我们记录 LiDAR 设备与全向相机在 10 条轨迹上的数据，每条轨迹在不同光照条件下重复记录 8 次。2）城市轨迹关注大规模特性，我们将 LiDAR 设备安装于车辆上遍历一条 120km 的轨迹，包含开放街道、居民区、自然地形等。其包含城市环境中各类场景共 200 小时原始数据。两条轨迹的地面真值位置在每条轨迹上均提供，由全球定位系统结合基于 General ICP 的点云细化获得。为简化评估流程，我们还提供带有若干位置识别指标的 Python-API，以快速加载数据集并评估不同方法的识别性能。该数据集旨在寻找具有高位置识别精度与鲁棒性的方法，并为真实机器人系统提供长期自主能力。数据集与所提供的工具可从 https://github.com/MetaSLAM/ALITA 获取。
引用
@article{arxiv.2205.10737,
title = {ALITA: A Large-scale Incremental Dataset for Long-term Autonomy},
author = {Peng Yin and Shiqi Zhao and Ruohai Ge and Ivan Cisneros and Ruijie Fu and Ji Zhang and Howie Choset and Sebastian Scherer},
journal= {arXiv preprint arXiv:2205.10737},
year = {2022}
}
备注
6 pages, 5 figures, Submitted for IJRR dataset paper