我们准备好服务机器人了吗？面向终身 SLAM 的 OpenLORIS-Scene 数据集
机器人学
2020-03-17 v2 计算机视觉与模式识别
摘要
服务机器人应能在动态且日常变化的环境中自主运行较长一段时间。尽管同步定位与建图（SLAM）是机器人自主最基本的问题之一，现有多数 SLAM 工作均使用在短时间记录的数据序列进行评估。在实际部署中，可能因自然因素与人类活动产生视线外的场景变化。例如，在家庭场景中，多数物体可移动、可替换或可变形，同一地点在若干连续天数中的视觉特征可能有显著差异。此类视线外动态对位姿估计的鲁棒性构成巨大挑战，进而影响机器人的长期部署与运行。为将上述问题区别于通常在单次静态设置中评估的传统工作，此处使用术语 \textit{终身 SLAM}（lifelong SLAM）来指代在长时间内不断变化环境中的 SLAM 问题。为加速终身 SLAM 研究，我们发布了 OpenLORIS-Scene 数据集。数据在真实世界室内场景中采集，每个地点多次采集以包含现实生活中的场景变化。我们还设计了终身 SLAM 的基准度量，据此分别评估位姿估计的鲁棒性与精度。数据集与基准可在 https://lifelong-robotic-vision.github.io/dataset/scene 在线获取。
引用
@article{arxiv.1911.05603,
title = {Are We Ready for Service Robots? The OpenLORIS-Scene Datasets for Lifelong SLAM},
author = {Xuesong Shi and Dongjiang Li and Pengpeng Zhao and Qinbin Tian and Yuxin Tian and Qiwei Long and Chunhao Zhu and Jingwei Song and Fei Qiao and Le Song and Yangquan Guo and Zhigang Wang and Yimin Zhang and Baoxing Qin and Wei Yang and Fangshi Wang and Rosa H. M. Chan and Qi She},
journal= {arXiv preprint arXiv:1911.05603},
year = {2020}
}
备注
To be published on ICRA 2020; 7 pages, 3 figures; v2 fixed a number in Table III