Hilti-Oxford Dataset: A Millimetre-Accurate Benchmark for Simultaneous Localization and Mapping

要約

同時ローカリゼーションとマッピング (SLAM) が実際のアプリケーションに展開されていますが、多くの最先端のソリューションは、多くの一般的なシナリオでまだ苦労しています。
SLAM 研究を進める上で重要なことは、高品質のデータセットと公平で透明性のあるベンチマークを利用できることです。
この目的のために、最先端の SLAM システムを限界まで押し上げるために、Hilti-Oxford Dataset を作成しました。
このデータセットには、まばらで通常の建設現場から、細かいディテールと曲面を備えた 17 世紀の新古典主義の建物まで、さまざまな課題があります。
マルチモーダル SLAM アプローチを促進するために、ライダー、5 台のカメラ、および IMU (慣性測定ユニット) を備えたデータ収集プラットフォームを設計しました。
精度と堅牢性が最も重要なタスクの SLAM アルゴリズムのベンチマークを行うことを目的として、データセットが SLAM 姿勢誤差をミリメートルの精度で正確に測定できるようにする新しいグラウンド トゥルース コレクション方法を実装しました。
精度をさらに確保するために、プラットフォームの外部機能はマイクロメートル精度のスキャナーで検証され、一時的なキャリブレーションはハードウェアの時刻同期を使用してオンラインで管理されました。
私たちのデータセットのマルチモダリティと多様性は、2022 年 6 月に終了した Hilti SLAM チャレンジの第 2 版に参加するために、学術研究者と産業研究者の大規模な分野を引き付けました。チャレンジの結果は、上位 3 チームが
一部のシーケンスでは精度が 2cm 以上でしたが、より難しいシーケンスではパフォーマンスが低下しました。

要約(オリジナル)

Simultaneous Localization and Mapping (SLAM) is being deployed in real-world applications, however many state-of-the-art solutions still struggle in many common scenarios. A key necessity in progressing SLAM research is the availability of high-quality datasets and fair and transparent benchmarking. To this end, we have created the Hilti-Oxford Dataset, to push state-of-the-art SLAM systems to their limits. The dataset has a variety of challenges ranging from sparse and regular construction sites to a 17th century neoclassical building with fine details and curved surfaces. To encourage multi-modal SLAM approaches, we designed a data collection platform featuring a lidar, five cameras, and an IMU (Inertial Measurement Unit). With the goal of benchmarking SLAM algorithms for tasks where accuracy and robustness are paramount, we implemented a novel ground truth collection method that enables our dataset to accurately measure SLAM pose errors with millimeter accuracy. To further ensure accuracy, the extrinsics of our platform were verified with a micrometer-accurate scanner, and temporal calibration was managed online using hardware time synchronization. The multi-modality and diversity of our dataset attracted a large field of academic and industrial researchers to enter the second edition of the Hilti SLAM challenge, which concluded in June 2022. The results of the challenge show that while the top three teams could achieve an accuracy of 2cm or better for some sequences, the performance dropped off in more difficult sequences.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google