The GOOSE Dataset for Perception in Unstructured Environments

要約

自律システムを導入する可能性は、環境の認識と解釈を改善することで大幅に高めることができます。
しかし、構造化されていない屋外環境における自律システム向けの深層学習ベースの技術の開発には、トレーニングやテストに利用できるデータが限られているため、課題が生じています。
このギャップに対処するために、非構造化屋外環境向けに特別に設計された包括的なデータセットである German Outdoor and Offroad Dataset (GOOSE) を紹介します。
GOOSE データセットには、ラベル付きの画像と点群のペアが 10,000 個組み込まれており、これらは画像と点群データの両方で一連の最先端のセグメンテーション モデルをトレーニングするために利用されます。
私たちは、データセットと非構造化地形のオントロジー、およびデータセットの標準とガイドラインをオープンソースにしています。
この取り組みは、既存のデータセットをシームレスに組み込み、非構造化環境で動作するさまざまなロボットの認識能力を強化する迅速な方法を可能にする共通のフレームワークを確立することを目的としています。
データセット、オフロード知覚用の事前トレーニング済みモデル、および追加のドキュメントは、https://goose-dataset.de/ で見つけることができます。

要約(オリジナル)

The potential for deploying autonomous systems can be significantly increased by improving the perception and interpretation of the environment. However, the development of deep learning-based techniques for autonomous systems in unstructured outdoor environments poses challenges due to limited data availability for training and testing. To address this gap, we present the German Outdoor and Offroad Dataset (GOOSE), a comprehensive dataset specifically designed for unstructured outdoor environments. The GOOSE dataset incorporates 10 000 labeled pairs of images and point clouds, which are utilized to train a range of state-of-the-art segmentation models on both image and point cloud data. We open source the dataset, along with an ontology for unstructured terrain, as well as dataset standards and guidelines. This initiative aims to establish a common framework, enabling the seamless inclusion of existing datasets and a fast way to enhance the perception capabilities of various robots operating in unstructured environments. The dataset, pre-trained models for offroad perception, and additional documentation can be found at https://goose-dataset.de/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google