TartanAir：推动视觉 SLAM 极限的数据集
机器人学
2020-08-11 v2
摘要
我们提出了一个具有挑战性的数据集 TartanAir，用于机器人导航任务等。数据在照片级真实感的仿真环境中采集，存在运动物体、光照变化及多种天气条件。通过在仿真中采集数据，我们能够获得多模态传感器数据与精确的地面真值标签，如立体 RGB 图像、深度图像、分割图、光流、相机位姿和 LiDAR 点云。我们构建了大量具有不同风格与场景的环境，涵盖难以通过实体数据采集平台实现的困难视角与多样运动模式。为实现如此大规模的数据采集，我们开发了自动化流水线，包括建图、轨迹采样、数据处理与数据校验。我们利用所提数据评估了多种因素对视觉 SLAM 算法的影响。最先进算法的结果表明，视觉 SLAM 问题远未解决。在 KITTI 等成熟数据集上表现良好的方法在更困难场景中表现不佳。尽管我们使用仿真，我们的目标是通过提供用于测试新方法的困难基准，同时利用大规模多样化训练数据供基于学习的方法使用，来推动现实世界中视觉 SLAM 算法的极限。我们的数据集可在 \url{http://theairlab.org/tartanair-dataset} 获取。
引用
@article{arxiv.2003.14338,
title = {TartanAir: A Dataset to Push the Limits of Visual SLAM},
author = {Wenshan Wang and Delong Zhu and Xiangwei Wang and Yaoyu Hu and Yuheng Qiu and Chen Wang and Yafei Hu and Ashish Kapoor and Sebastian Scherer},
journal= {arXiv preprint arXiv:2003.14338},
year = {2020}
}
备注
Accepted by IROS 2020