FusionPortableV2：面向跨平台与可扩展环境的通用多传感器SLAM数据集
机器人学
2024-10-31 v2
摘要
同步定位与建图（SLAM）技术已广泛应用于从救援行动到自动驾驶的各种机器人场景。然而，SLAM算法的泛化仍然是一个重大挑战，因为当前的数据集在平台和环境方面往往缺乏可扩展性。为了解决这一局限性，我们提出了FusionPortableV2，一个具有传感器多样性、多变运动模式和广泛环境场景的多传感器SLAM数据集。我们的数据集包含个序列，时长超过小时，由四个不同的平台收集：手持套件、有腿机器人、无人地面车辆（UGV）和汽车。这些序列涵盖了包括建筑物、校园和城市区域在内的多种环境，总长度达。此外，该数据集还包括覆盖约的真值（GT）轨迹和RGB点云地图。为了验证我们的数据集在推进SLAM研究方面的实用性，我们评估了几种最先进的（SOTA）SLAM算法。此外，我们通过探讨数据集在单目深度估计方面的潜力，展示了其在传统SLAM任务之外的广泛应用。完整的数据集（包括传感器数据、GT和校准细节）可在 https://fusionportable.github.io/dataset/fusionportable_v2 获取。
引用
@article{arxiv.2404.08563,
title = {FusionPortableV2: A Unified Multi-Sensor Dataset for Generalized SLAM Across Diverse Platforms and Scalable Environments},
author = {Hexiang Wei and Jianhao Jiao and Xiangcheng Hu and Jingwen Yu and Xupeng Xie and Jin Wu and Yilong Zhu and Yuxuan Liu and Lujia Wang and Ming Liu},
journal= {arXiv preprint arXiv:2404.08563},
year = {2024}
}
备注
21 pages, 17 figures, 7 tables. Accepted by International Journal of Robotics Research (IJRR)