永不定居的城市：基于仿真的 LiDAR 数据集用于极端结构变化下的长期位置识别
机器人学
2025-05-09 v1 计算机视觉与模式识别
摘要
大规模建设与拆除显著挑战长期位置识别（PR），因为会严重改变城市和郊区环境。现有数据集主要反映有限或室内变更，无法充分代表广泛的户外变形。为填补这一差距，我们引入了「永不定居的城市」（City that Never Settles, CNS）数据集，这是一个基于 CARLA 仿真器创建的仿真数据集，捕捉了跨越不同地图和序列的重大结构变更——包括建筑建造与拆除。此外，我们提出了 CNS 对称版本 TCR 度量（TCR_sym），可实现源-目标顺序无关的结构变更度量。定量比较表明，CNS 的变换范围超过当前现实基准。对 CNS 上基于 LiDAR 的最新 PR 方法进行评估显示，性能显著下降，凸显了需要能够处理重大环境变更的鲁棒算法。我们的数据集已公开于 https://github.com/Hyunho111/CNS_dataset。
引用
@article{arxiv.2505.05076,
title = {The City that Never Settles: Simulation-based LiDAR Dataset for Long-Term Place Recognition Under Extreme Structural Changes},
author = {Hyunho Song and Dongjae Lee and Seunghun Oh and Minwoo Jung and Ayoung Kim},
journal= {arXiv preprint arXiv:2505.05076},
year = {2025}
}