MCD：面向机器人感知的多样化大规模多校区数据集
机器人学
2024-03-19 v1 人工智能
摘要
感知在各类机器人应用中起着至关重要的作用。然而，现有的高质量标注数据集偏向于自动驾驶场景，而无标注的SLAM数据集则很快被过拟合，且往往缺乏环境和域的变化。为拓展这些领域的前沿，我们引入了一个名为MCD（多校区数据集）的综合性数据集，其特点是涵盖广泛的传感模态、高精度真值以及横跨三个欧亚大学校区的多样化挑战性环境。MCD同时包含CCS（经典圆柱旋转）和NRE（非重复外摆线）激光雷达、高质量IMU（惯性测量单元）、相机以及UWB（超宽带）传感器。此外，作为一项开创性工作，我们引入了横跨三个域、超过59k帧稀疏NRE激光雷达扫描的29类语义标注，从而为这一尚未被充分探索的激光雷达模态上的现有语义分割研究提供了全新挑战。最后，据我们所知，我们首次提出了基于在大规模测绘级先验地图上进行激光雷达-惯性数据优化配准的连续时间真值，这些先验地图也已公开发布，每个地图的规模都是现有地图的数倍。我们在MCD上对众多最先进算法进行了严格评估，报告了它们的性能，并强调了有待研究界解决的挑战。
引用
@article{arxiv.2403.11496,
title = {MCD: Diverse Large-Scale Multi-Campus Dataset for Robot Perception},
author = {Thien-Minh Nguyen and Shenghai Yuan and Thien Hoang Nguyen and Pengyu Yin and Haozhi Cao and Lihua Xie and Maciej Wozniak and Patric Jensfelt and Marko Thiel and Justin Ziegenbein and Noel Blunder},
journal= {arXiv preprint arXiv:2403.11496},
year = {2024}
}
备注
Accepted by The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2024