IO-VNBD：用于地面车辆定位的惯性与里程计基准数据集
信号处理
2021-12-14 v2
摘要
低成本惯性导航传感器（INS）可用于为自动驾驶车辆提供可靠的跟踪解决方案。然而，由于测量中的噪声，位置误差会呈指数增长。为了获得更好的导航解决方案，已研究了几种深度学习技术来减轻这些误差[1-10]。然而，这些研究涉及使用了不同的、未公开的数据集。因此，缺乏一个稳健的基准数据集阻碍了基于惯性导航的车辆定位深度学习技术的研究、比较和采用。为了促进定位算法的基准测试、快速开发和评估，我们因此提出了首个此类大规模、信息丰富的惯性和里程计专用公开数据集，称为IO-VNBD（惯性里程计车辆导航基准数据集）。该车辆跟踪数据集使用一辆配备自运动传感器的研究车辆，在英国、尼日利亚和法国的公共道路上记录。传感器包括GPS接收器、惯性导航传感器、轮速传感器以及车上发现的其他传感器，还包括一部安卓智能手机中的惯性导航传感器和GPS接收器，采样频率为10Hz。数据集捕获了多种场景和车辆动力学，例如在不同道路类型（乡村道路、高速公路等）上的交通、环岛、急刹车等，并具有不同的驾驶模式。该数据集包括车辆提取数据总计约40小时、超过1,300公里的驾驶时间，以及智能手机记录数据约58小时、超过4,400公里的驾驶时间。我们希望该数据集在推进车辆动力学与其位移之间相关性以及其他相关研究方面证明是有价值的。
引用
@article{arxiv.2005.01701,
title = {IO-VNBD: Inertial and Odometry Benchmark Dataset for Ground Vehicle Positioning},
author = {Uche Onyekpe and Vasile Palade and Stratis Kanarachos and Alicja Szkolnik},
journal= {arXiv preprint arXiv:2005.01701},
year = {2021}
}