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

要約

Simultaneous Localization and Mapping (SLAM) は現実世界のアプリケーションに導入されていますが、多くの最先端のソリューションは依然として多くの一般的なシナリオで困難を抱えています。
SLAM 研究を進める上で重要な必要性は、高品質のデータセットと公正かつ透明なベンチマークの利用可能性です。
この目的を達成するために、私たちは最先端の SLAM システムを限界まで押し上げるために、Hilti-Oxford データセットを作成しました。
このデータセットには、まばらで規則的な建設現場から、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に至るまで、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、LIDAR、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。
精度と堅牢性が最優先されるタスクの SLAM アルゴリズムのベンチマークを目的として、データセットで SLAM ポーズ エラーをミリメートル単位の精度で正確に測定できる新しいグラウンド トゥルース収集方法を実装しました。
精度をさらに確保するために、当社の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、時間的校正はハードウェアの時間同期を使用してオンラインで管理されました。
当社のデータセットのマルチモダリティと多様性は、2022 年 6 月に終了したヒルティ SLAM チャレンジの第 2 版への参加に多くの学術研究者や産業界の研究者を惹きつけました。チャレンジの結果は、上位 3 チームが 1 位を達成する可能性があることを示しています。
一部のシーケンスでは 2cm 以上の精度がありましたが、より困難な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