Wild-Places: A Large-Scale Dataset for Lidar Place Recognition in Unstructured Natural Environments

要約

LIDAR の場所認識用の既存のデータセットの多くは、構造化された都市環境のみを代表するものであり、最近ではディープ ラーニング ベースのアプローチによってパフォーマンスが飽和状態になっています。
自然で構造化されていない環境は、長期的なローカリゼーションのタスクに多くの追加の課題を提示しますが、これらの環境は現在利用可能なデータセットには表されていません.
これに対処するために、Wild-Places を導入します。これは、構造化されていない自然環境におけるライダーの場所認識のための挑戦的な大規模データセットです。
Wild-Places には、ハンドヘルド センサー ペイロードで 14 か月にわたって収集された 8 つのライダー シーケンスが含まれており、正確な 6DoF グラウンド トゥルースと共に、合計 63,000 の歪みのないライダー サブマップが含まれています。
私たちのデータセットには、シーケンス内およびシーケンス間の両方で複数の再訪が含まれており、シーケンス内 (つまり、ループ クロージャーの検出) とシーケンス間 (つまり、再局在化) の両方の場所認識が可能です。
また、いくつかの最先端のアプローチをベンチマークして、このデータセットがもたらす課題、特に時間の経過とともに変化する自然環境による長期的な場所認識の場合を示します。
データセットとコードは、https://csiro-robotics.github.io/Wild-Places で入手できます。

要約(オリジナル)

Many existing datasets for lidar place recognition are solely representative of structured urban environments, and have recently been saturated in performance by deep learning based approaches. Natural and unstructured environments present many additional challenges for the tasks of long-term localisation but these environments are not represented in currently available datasets. To address this we introduce Wild-Places, a challenging large-scale dataset for lidar place recognition in unstructured, natural environments. Wild-Places contains eight lidar sequences collected with a handheld sensor payload over the course of fourteen months, containing a total of 63K undistorted lidar submaps along with accurate 6DoF ground truth. Our dataset contains multiple revisits both within and between sequences, allowing for both intra-sequence (i.e. loop closure detection) and inter-sequence (i.e. re-localisation) place recognition. We also benchmark several state-of-the-art approaches to demonstrate the challenges that this dataset introduces, particularly the case of long-term place recognition due to natural environments changing over time. Our dataset and code will be available at https://csiro-robotics.github.io/Wild-Places.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google