The City that Never Settles: Simulation-based LiDAR Dataset for Long-Term Place Recognition Under Extreme Structural Changes

要約

大規模な建設と解体は、都市と郊外の環境を劇的に再形成することにより、長期的な場所認識（PR）に大幅に挑戦します。
既存のデータセットは、主に限定または屋内中心の変更を反映しており、広範な屋外変換を適切に表すことができません。
このギャップを埋めるために、CARLAシミュレーターを使用して作成されたシミュレーションベースのデータセットであるデータセット（CNS）データセットを定住させない都市を紹介し、建物の建設と解体 – ダイバーのマップやシーケンスなどの主要な構造変化をキャプチャします。
さらに、元のTCRメトリックの対称バージョンであるTCR_SYMを提案し、ソースターゲットの順序に関係なく構造変化の一貫した測定を可能にします。
定量的比較は、CNSが現在の現実世界のベンチマークよりも広範な変換を網羅することを示しています。
CNSに関する最先端のLIDARベースのPRメソッドの評価は、大幅な環境変化を処理できる堅牢なアルゴリズムの必要性を強調していることを強調しています。
データセットはhttps://github.com/hyunho111/cns_datasetで入手できます。

要約(オリジナル)

Large-scale construction and demolition significantly challenge long-term place recognition (PR) by drastically reshaping urban and suburban environments. Existing datasets predominantly reflect limited or indoor-focused changes, failing to adequately represent extensive outdoor transformations. To bridge this gap, we introduce the City that Never Settles (CNS) dataset, a simulation-based dataset created using the CARLA simulator, capturing major structural changes-such as building construction and demolition-across diverse maps and sequences. Additionally, we propose TCR_sym, a symmetric version of the original TCR metric, enabling consistent measurement of structural changes irrespective of source-target ordering. Quantitative comparisons demonstrate that CNS encompasses more extensive transformations than current real-world benchmarks. Evaluations of state-of-the-art LiDAR-based PR methods on CNS reveal substantial performance degradation, underscoring the need for robust algorithms capable of handling significant environmental changes. Our dataset is available at https://github.com/Hyunho111/CNS_dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google