室内 SLAM 的挑战：一个用于 SLAM 评估的多模态多楼层数据集
机器人学
2023-06-16 v1
摘要
同步定位与建图（SLAM）的鲁棒性仍是自主系统实际部署的关键挑战之一。过去二十五年间 SLAM 研究取得了显著进展，但许多最先进（SOTA）算法在真实环境中仍难以可靠运行。研究界普遍共识是需要具有挑战性的真实场景以暴露传感模态中的不同失效模式。本文提出一个新颖的多模态室内 SLAM 数据集，涵盖机器人将遇到且应具备鲁棒性的常见挑战性场景。我们的数据由移动机器人平台在东北大学 ISEC 楼的多楼层间采集。此类多楼层序列是商业办公空间的典型特征，其楼层间具有对称性，因而易因相似楼层布局导致感知混叠。传感器套件包括七个全局快门相机、一个高精度 MEMS 惯性测量单元（IMU）、一个 ZED 立体相机和一个 128 通道高分辨率激光雷达。除数据集外，我们对若干 SLAM 算法进行基准测试，并重点指出运行中的问题，如感知混叠、视觉退化和轨迹漂移。基准测试结果表明，数据集的部分段落在某些算法下表现良好，而其他数据段即使对最佳 SOTA 算法也具有挑战性。数据集可在 https://github.com/neufieldrobotics/NUFR-M3F 获取。
引用
@article{arxiv.2306.08522,
title = {Challenges of Indoor SLAM: A multi-modal multi-floor dataset for SLAM evaluation},
author = {Pushyami Kaveti and Aniket Gupta and Dennis Giaya and Madeline Karp and Colin Keil and Jagatpreet Nir and Zhiyong Zhang and Hanumant Singh},
journal= {arXiv preprint arXiv:2306.08522},
year = {2023}
}