Ground-Challenge: A Multi-sensor SLAM Dataset Focusing on Corner Cases for Ground Robots

要約

高品質のデータセットはブレークスルーを加速し、SLAM 研究の発展の可能性のある方向性を明らかにします。
ビジュアル SLAM システムのコーナー ケースに関する研究をサポートするために、この論文では、Ground-Challenge を紹介します。これは、攻撃的なモーション、深刻なオクルージョン、変化する照明、少数のテクスチャ、純粋な回転、モーション ブラー、ホイールなどの多様なコーナー ケースを含む 36 の軌道で構成される挑戦的なデータセットです。
データセットは、RGB-D カメラ、慣性測定ユニット (IMU)、車輪走行距離計、3D LiDAR などの複数のセンサーを備えた地上ロボットによって収集されました。
これらのセンサーはすべて適切に校正および同期されており、データは同時に記録されました。
最先端の SLAM システムのパフォーマンスを評価するために、私たちはデータセットでシステムをテストし、これらのシステムが特定のシーケンスでドリフトや障害を起こしやすいことを実証しました。
研究コミュニティに利益をもたらすために、論文出版時に完全なデータセットと関連資料を公開します。
詳細については、プロジェクト Web サイト (https://github.com/sjtuyinjie/Ground-Challenge) をご覧ください。

要約(オリジナル)

High-quality datasets can speed up breakthroughs and reveal potential developing directions in SLAM research. To support the research on corner cases of visual SLAM systems, this paper presents Ground-Challenge: a challenging dataset comprising 36 trajectories with diverse corner cases such as aggressive motion, severe occlusion, changing illumination, few textures, pure rotation, motion blur, wheel suspension, etc. The dataset was collected by a ground robot with multiple sensors including an RGB-D camera, an inertial measurement unit (IMU), a wheel odometer and a 3D LiDAR. All of these sensors were well-calibrated and synchronized, and their data were recorded simultaneously. To evaluate the performance of cutting-edge SLAM systems, we tested them on our dataset and demonstrated that these systems are prone to drift and fail on specific sequences. We will release the full dataset and relevant materials upon paper publication to benefit the research community. For more information, visit our project website at https://github.com/sjtuyinjie/Ground-Challenge.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google