HeLiPR: Heterogeneous LiDAR Dataset for inter-LiDAR Place Recognition under Spatiotemporal Variations

要約

場所認識は、同時位置特定とマッピング (SLAM) におけるロボットの位置特定とループ クロージャにとって重要です。
Light Detection and Ranging (LiDAR) は、さまざまな照明条件下でも堅牢なセンシング機能と測定の一貫性で知られており、さまざまな分野で極めて重要なものとなっており、特定の用途では従来のイメージング センサーを上回っています。
さまざまな種類の LiDAR の中で、回転型 LiDAR が広く使用されていますが、最近では非反復スキャン パターンがロボット アプリケーションで利用されています。
一部の LiDAR は、周波数変調連続波 (FMCW) LiDAR からの反射率、近赤外線 (NIR)、速度などの追加測定を提供します。
これらの進歩にもかかわらず、場所認識のための広範囲の LiDAR 構成を反映する包括的なデータセットが不足しています。
この問題に取り組むために、私たちの論文では、時空間変動を具体化した、異種 LiDAR による場所認識のために特に厳選された HeLiPR データセットを提案します。
私たちの知る限り、HeLiPR データセットは、非反復 LiDAR と回転 LiDAR の両方による LiDAR 間の場所認識をサポートし、異なる視野 (FOV) とさまざまな数のレイに対応する初の異種 LiDAR データセットです。
このデータセットは、都市景観からダイナミックな高速道路に至るまで、さまざまな環境を 1 か月間にわたってカバーしており、シナリオ全体での適応性と堅牢性が強化されています。
特に、HeLiPR には MulRan シーケンスと平行な軌跡が含まれているため、異種 LiDAR の場所認識の研究や長期研究にとって価値があります。
データセットには https://sites.google.com/view/heliprdataset からアクセスできます。

要約(オリジナル)

Place recognition is crucial for robot localization and loop closure in simultaneous localization and mapping (SLAM). Light Detection and Ranging (LiDAR), known for its robust sensing capabilities and measurement consistency even in varying illumination conditions, has become pivotal in various fields, surpassing traditional imaging sensors in certain applications. Among various types of LiDAR, spinning LiDARs are widely used, while non-repetitive scanning patterns have recently been utilized in robotics applications. Some LiDARs provide additional measurements such as reflectivity, Near Infrared (NIR), and velocity from Frequency modulated continuous wave (FMCW) LiDARs. Despite these advances, there is a lack of comprehensive datasets reflecting the broad spectrum of LiDAR configurations for place recognition. To tackle this issue, our paper proposes the HeLiPR dataset, curated especially for place recognition with heterogeneous LiDARs, embodying spatiotemporal variations. To the best of our knowledge, the HeLiPR dataset is the first heterogeneous LiDAR dataset supporting inter-LiDAR place recognition with both non-repetitive and spinning LiDARs, accommodating different field of view (FOV)s and varying numbers of rays. The dataset covers diverse environments, from urban cityscapes to high-dynamic freeways, over a month, enhancing adaptability and robustness across scenarios. Notably, HeLiPR includes trajectories parallel to MulRan sequences, making it valuable for research in heterogeneous LiDAR place recognition and long-term studies. The dataset is accessible at https://sites.google.com/view/heliprdataset .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google