Eiffel Tower：用于长期视觉定位的深海海底数据集
计算机视觉与模式识别
2023-06-12 v1 机器人学
摘要
视觉定位在机器人系统于先前访问过的环境中进行定位与导航时起着重要作用。当访问发生在较长的时间跨度上时，与季节或昼夜循环相关的环境变化构成主要挑战。在水下，变异来源则归因于其他因素，例如水体状况或海洋生物的生长。然而这仍是一大障碍且研究甚少，部分原因在于数据匮乏。本文提出一个新的深海数据集，用于评测水下长期视觉定位。该数据集由五年内对同一热液喷口丘四次考察所拍摄的图像组成。相机位姿与场景的通用几何结构通过导航数据与运动恢复结构（Structure-from-Motion）估算得到，作为评测视觉定位技术的参考。对数据的分析揭示了多年来观察到的主要变化。此外，若干成熟的视觉定位方法在该数据集上进行了评测，表明水下长期视觉定位仍有改进空间。数据已公开于 https://www.seanoe.org/data/00810/92226/。
引用
@article{arxiv.2305.05301,
title = {Eiffel Tower: A Deep-Sea Underwater Dataset for Long-Term Visual Localization},
author = {Clémentin Boittiaux and Claire Dune and Maxime Ferrera and Aurélien Arnaubec and Ricard Marxer and Marjolaine Matabos and Loïc Van Audenhaege and Vincent Hugel},
journal= {arXiv preprint arXiv:2305.05301},
year = {2023}
}
备注
The International Journal of Robotics Research, In press