ConPR: Ongoing Construction Site Dataset for Place Recognition

要約

コンピュータビジョンやロボット工学における重要な課題である場所認識では、過去に訪れた場所を特定する。アルゴリズムの進歩にもかかわらず、外観の変化に関する課題は依然として残っており、既存のデータセットでは季節や天候の変化に焦点が当てられていることが多いが、地形の変化は見落とされている。インフラが老朽化し、都市の補修が続いていることを考えると、地形の変化を理解することは、効果的な場所認識に不可欠である。実世界に適用するためには、アルゴリズムの包括的な評価は空間ダイナミクスを考慮する必要がある。既存の限界に対処するために、我々は、活動中の建設現場から取得した新しい複数セッションの場所認識データセットを提示する。このデータセットは、複数のデータ収集を通じて進行中の工事の進捗状況を捉えており、動的な環境での評価を容易にしている。このデータセットには、カメラ画像、LiDAR点群データ、IMUデータが含まれ、視覚およびLiDARベースの場所認識技術を可能にし、センサーフュージョンをサポートします。さらに、レンジベースの場所認識評価のためのグランドトゥルース情報を提供します。私たちのデータセットは、困難でダイナミックな環境における場所認識アルゴリズムを進化させることを目的としています。我々のデータセットはhttps://github.com/dongjae0107/ConPR。

要約(オリジナル)

Place recognition, an essential challenge in computer vision and robotics, involves identifying previously visited locations. Despite algorithmic progress, challenges related to appearance change persist, with existing datasets often focusing on seasonal and weather variations but overlooking terrain changes. Understanding terrain alterations becomes critical for effective place recognition, given the aging infrastructure and ongoing city repairs. For real-world applicability, the comprehensive evaluation of algorithms must consider spatial dynamics. To address existing limitations, we present a novel multi-session place recognition dataset acquired from an active construction site. Our dataset captures ongoing construction progress through multiple data collections, facilitating evaluation in dynamic environments. It includes camera images, LiDAR point cloud data, and IMU data, enabling visual and LiDAR-based place recognition techniques, and supporting sensor fusion. Additionally, we provide ground truth information for range-based place recognition evaluation. Our dataset aims to advance place recognition algorithms in challenging and dynamic settings. Our dataset is available at https://github.com/dongjae0107/ConPR.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL