WHU-PCPR：面向复杂城市场景中地点识别的跨平台异构点云数据集
计算机视觉与模式识别
2026-01-13 v1 机器人学
摘要
基于点云的地点识别（Point Cloud-based Place Recognition, PCPR）在自动驾驶、机器人定位与导航以及地图更新等应用场景中展现出巨大的潜力。在实际应用中，用于地点识别的点云数据常常来自不同平台和 LiDAR 传感器，且场景环境各异。然而，现有 PCPR 数据集在场景、平台和传感器方面的多样性不足，限制了相关研究的有效发展。为填补这一空白，我们构建了 WHU-PCPR 数据集，这是一个专为地点识别设计的跨平台异构点云数据集。该数据集与现有数据集的独特之处体现在以下几个方面：1）跨平台异构点云：来自采用不同机械和固态 LiDAR 传感器的urvey-grade 车载 Mobile Laser Scanning（MLS）系统和低成本便携式头盔式 Laser Scanning（PLS）系统；2）复杂的定位场景：涵盖城市和校园道路场景中实时和长期的变化；3）大范围的空间覆盖：覆盖约 82.3 公里的轨迹，跨越 60 个月，单次路程约 30 公里未重复。基于 WHU-PCPR，我们对若干典型的 PCPR 方法进行了广泛评估和深入分析，并对关键挑战和未来研究方向进行了简要讨论。该数据集和基准代码已提供于 https://github.com/zouxianghong/WHU-PCPR。
引用
@article{arxiv.2601.06442,
title = {WHU-PCPR: A cross-platform heterogeneous point cloud dataset for place recognition in complex urban scenes},
author = {Xianghong Zou and Jianping Li and Yandi Yang and Weitong Wu and Yuan Wang and Qiegen Liu and Zhen Dong},
journal= {arXiv preprint arXiv:2601.06442},
year = {2026}
}