TUM-VIE：TUM 立体视觉-惯性事件数据集
计算机视觉与模式识别
2021-08-18 v1
摘要
事件相机是受生物启发的视觉传感器，可逐像素测量亮度变化。与传统基于帧的相机相比，它们具有诸多优势，包括低延迟、高动态范围、高时间分辨率和低功耗。因此，这些传感器适用于机器人和虚拟现实应用。为促进基于事件相机的 3D 感知与导航算法的发展，我们提出了 TUM-VIE 数据集。它包含室内外环境中多种手持和头戴序列，包括运动过程中的快速运动和高动态范围场景。该数据集包含立体事件数据、20Hz 立体灰度帧以及 200Hz 的 IMU 数据。所有传感器间的时间戳均通过硬件同步。事件相机具有 1280x720 像素的大传感器，明显大于现有立体事件数据集中使用的传感器（至少大十倍）。我们提供来自动作捕捉系统的 120Hz 真值位姿，位于每个序列的开始和结束，可用于轨迹评估。TUM-VIE 包含具有挑战性的序列，其中最先进的视觉 SLAM 算法要么失败要么产生较大漂移。因此，我们的数据集有助于推动未来基于事件的视觉-惯性感知算法研究的边界。
引用
@article{arxiv.2108.07329,
title = {TUM-VIE: The TUM Stereo Visual-Inertial Event Dataset},
author = {Simon Klenk and Jason Chui and Nikolaus Demmel and Daniel Cremers},
journal= {arXiv preprint arXiv:2108.07329},
year = {2021}
}
备注
Accepted to IROS 2021. First two authors contributed equally