用于基准测试在多样化退化场景下鲁棒定位的异构 LiDAR 数据集
机器人学
2024-09-11 v2
摘要
使用 3D LiDAR 估计姿态并生成地图的能力显著增强了机器人系统的自主性。然而，现有的开源数据集缺乏几何退化环境的表示，限制了稳健 LiDAR SLAM算法的开发和基准测试。为此，我们引入了 GEODE，一个综合性的多 LiDAR、多情景数据集，专为包括实际几何退化环境而设计。GEODE 包含 64 条轨迹，跨越 7 个多样化场景，退化程度各异。该数据是经过细致收集的，旨在通过纳入各种 LiDAR 传感器、立体相机、IMU 和多样化运动条件来促进通用算法的开发。我们使用 GEODE 数据集评估了最新的 SLAM 方法，以凸显当前 LiDAR SLAM 技术的局限性。该广泛的数据集将在 https://geode.github.io 对公众开放，支持 LiDAR 基于 SLAM 的进一步发展。
引用
@article{arxiv.2409.04961,
title = {Heterogeneous LiDAR Dataset for Benchmarking Robust Localization in Diverse Degenerate Scenarios},
author = {Zhiqiang Chen and Yuhua Qi and Dapeng Feng and Xuebin Zhuang and Hongbo Chen and Xiangcheng Hu and Jin Wu and Kelin Peng and Peng Lu},
journal= {arXiv preprint arXiv:2409.04961},
year = {2024}
}
备注
15 pages, 9 figures, 6 tables. Submitted for IJRR dataset paper