NYC-Event-VPR：密集城市环境中基于事件的大规模高分辨率视觉位置识别数据集
计算机视觉与模式识别
2024-10-30 v1
摘要
视觉位置识别（VPR）使自主机器人能够识别先前访问过的位置，这有助于同步定位与建图（SLAM）等任务。VPR面临诸多挑战，如图像近邻检索的准确性以及场景外观变化。事件相机，又称动态视觉传感器，是VPR的一种新传感器模态，凭借其独特属性为这些挑战提供了有前景的解决方案：高时间分辨率（1MHz时钟）、超低延迟（微秒级）和高动态范围（>120dB）。这些属性使事件相机不易受运动模糊影响，并在多变光照条件下更具鲁棒性，使其适合应对VPR挑战。然而，基于事件的VPR数据集的稀缺性（部分归因于事件相机的新颖性和成本）阻碍了其应用。为了填补这一数据空白，本文向机器人与计算机视觉社区引入了NYC-Event-VPR数据集，该数据集采用Prophesee IMX636 HD事件传感器（1280x720分辨率），并结合了RGB相机和GPS模块。它包含超过13小时的带有地理标签的事件数据，跨越纽约市260公里，涵盖多样的光照和天气条件、日/夜场景以及对多个地点的多次访问。此外，本文采用三种框架进行泛化性能评估，促进了基于事件的VPR创新及其在机器人应用中的集成。
引用
@article{arxiv.2410.21615,
title = {NYC-Event-VPR: A Large-Scale High-Resolution Event-Based Visual Place Recognition Dataset in Dense Urban Environments},
author = {Taiyi Pan and Junyang He and Chao Chen and Yiming Li and Chen Feng},
journal= {arXiv preprint arXiv:2410.21615},
year = {2024}
}