NYC-Indoor-VPR：带有半自动标注的长期室内视觉位置识别数据集
计算机视觉与模式识别
2024-04-02 v1
摘要
室内环境中的视觉位置识别（VPR）有助于人类和机器人实现更好的定位与导航。由于不同频率的外观变化，以及获取用于训练和评估的真实度量轨迹的困难，该任务极具挑战性。本文介绍了 NYC-Indoor-VPR 数据集，这是一个独特且丰富的集合，包含超过 36,000 张图像，汇编自纽约市 13 个不同的拥挤场景，这些场景在不同光照条件下拍摄并伴有外观变化。每个场景在一年内都有多次重访。为了建立 VPR 的真实标签，我们提出了一种半自动标注方法，用于计算每张图像的位置信息。我们的方法具体以成对视频作为输入，并输出匹配的图像对及其估计的相对位置。这种匹配的准确性由人类标注员加以精炼，标注员利用我们的标注软件来关联所选的关键帧。最后，我们使用我们标注的数据集对几种最先进的 VPR 算法进行了基准评估，揭示了该数据集的挑战性及其对 VPR 研究的价值。
引用
@article{arxiv.2404.00504,
title = {NYC-Indoor-VPR: A Long-Term Indoor Visual Place Recognition Dataset with Semi-Automatic Annotation},
author = {Diwei Sheng and Anbang Yang and John-Ross Rizzo and Chen Feng},
journal= {arXiv preprint arXiv:2404.00504},
year = {2024}
}
备注
7 pages, 7 figures, published in 2024 IEEE International Conference on Robotics and Automation (ICRA 2024)