DISCOMAN：用于里程计、建图与导航的室内场景数据集
计算机视觉与模式识别
2019-09-27 v1
摘要
我们提出了一个用于训练和评测语义SLAM方法的新数据集。该数据集由200条长序列组成，每条序列包含3000-5000个数据帧。我们使用逼真的家居布局生成这些序列。为此，我们采样模拟简单家用机器人运动的轨迹，然后沿轨迹渲染各帧。每个数据帧包含：a) 使用基于物理的渲染生成的RGB图像，b) 模拟深度测量，c) 模拟IMU读数，以及 d) 房屋的真实占用栅格。与现有数据集相比，我们的数据集服务于更广泛的目的，并且是首个专注于SLAM建图组件的大规模基准。该数据集被划分为训练/验证/测试部分，采样自不同的虚拟房屋集合。我们给出了经典基于几何的方法与近期基于学习的SLAM算法、一种基线建图方法、语义分割与全景分割的基准测试结果。
引用
@article{arxiv.1909.12146,
title = {DISCOMAN: Dataset of Indoor SCenes for Odometry, Mapping And Navigation},
author = {Pavel Kirsanov and Airat Gaskarov and Filipp Konokhov and Konstantin Sofiiuk and Anna Vorontsova and Igor Slinko and Dmitry Zhukov and Sergey Bykov and Olga Barinova and Anton Konushin},
journal= {arXiv preprint arXiv:1909.12146},
year = {2019}
}
备注
8 pages, 7 figures