Wild-Places：面向非结构化自然环境中激光雷达位置识别的大规模数据集
机器人学
2023-03-03 v3
摘要
许多现有的激光雷达位置识别数据集仅代表结构化的城市场景，且近期已被基于深度学习的方法在性能上达到饱和。自然与非结构化环境为长期定位任务带来诸多额外挑战，但这些环境在现有可用数据集中并未体现。为此，我们引入Wild-Places，一个面向非结构化自然环境中激光雷达位置识别的具有挑战性的大规模数据集。Wild-Places包含十四个月内使用手持传感器载荷采集的八条激光雷达序列，总计63K个无失真激光雷达子图以及精确的6DoF真值。我们的数据集包含序列内与序列间的多次重访，支持序列内（即闭环检测）与序列间（即重定位）位置识别。我们还对几种最先进的方法进行基准测试，以展示该数据集带来的挑战，尤其是因自然环境随时间变化而产生的长期位置识别问题。我们的数据集与代码将发布于 https://csiro-robotics.github.io/Wild-Places。
引用
@article{arxiv.2211.12732,
title = {Wild-Places: A Large-Scale Dataset for Lidar Place Recognition in Unstructured Natural Environments},
author = {Joshua Knights and Kavisha Vidanapathirana and Milad Ramezani and Sridha Sridharan and Clinton Fookes and Peyman Moghadam},
journal= {arXiv preprint arXiv:2211.12732},
year = {2023}
}
备注
Equal Contribution from first two authors Accepted to ICRA2023 Website link: https://csiro-robotics.github.io/Wild-Places/