ConPR：建设中场所地点识别的数据集

地点识别是计算机视觉和机器人学中的重要挑战，涉及识别以前访问过的地点。尽管算法取得了进展，但与外观变化相关的挑战仍然存在，现有数据集往往关注季节和天气变化，却忽略了地形变化。鉴于基础设施老化和持续的城市维修，理解地形变化对于有效的地点识别至关重要。对于现实应用，算法的全面评估必须考虑空间动态。为解决现有限制，我们提出了一个从活跃施工现场获取的新型多场景地点识别数据集。该数据集通过多次数据收集捕获施工进度，促进动态环境下的评估。数据集包括摄像头图像、激光点云数据和IMU数据，支持视觉和激光基于地点识别技术，以及传感器融合。我们提供用于基于范围的地点识别评估的地面真值信息。该数据集旨在促进挑战性和动态环境下地点识别算法的进步。该数据集已公开于 https://github.com/dongjae0107/ConPR。