自然环境下的 Caltech 空中 RGB-热成像数据集
计算机视觉与模式识别
2024-08-02 v2 机器人学
摘要
我们提出了首个公开可用的 RGB-热成像数据集，专为在自然环境中作业的空中机器人设计。我们的数据集采集了美国各地的多种地形，包括河流、湖泊、海岸线、沙漠和森林，并由同步的 RGB、热成像、全球定位和惯性数据组成。我们为自然环境中常见的 10 个类别提供了语义分割标注，以推动对恶劣天气和夜间条件具有鲁棒性的感知算法的发展。利用该数据集，我们提出了热成像和 RGB-热成像 (RGB-T) 语义分割、RGB-T 图像转换以及运动跟踪方面具有挑战性的新基准。我们使用最先进的方法展示了大量结果，并强调了数据中时间和地理域偏移带来的挑战。数据集及配套代码可在 https://github.com/aerorobotics/caltech-aerial-rgbt-dataset 获取。
引用
@article{arxiv.2403.08997,
title = {Caltech Aerial RGB-Thermal Dataset in the Wild},
author = {Connor Lee and Matthew Anderson and Nikhil Raganathan and Xingxing Zuo and Kevin Do and Georgia Gkioxari and Soon-Jo Chung},
journal= {arXiv preprint arXiv:2403.08997},
year = {2024}
}
备注
Accepted to ECCV 2024