Open-Structure: a Structural Benchmark Dataset for SLAM Algorithms

要約

このペーパーでは、ビジュアル オドメトリと SLAM 手法を評価するための新しいベンチマーク データセットである Open-Structure を紹介します。これは、生の画像を提供する代わりに、点と線の測定、対応関係、構造的関連性、および共可視性因子グラフを直接装備します。
提案されたベンチマーク データセットに基づいて、これらの 2D または 3D データを SLAM パイプラインのさまざまなステージに直接入力して、アブレーション実験におけるデータ前処理モジュールの影響を回避できます。
まず、現実世界のシナリオとシミュレートされたシナリオ用のデータセット ジェネレーターを提案します。
現実世界のシーンでは、実際の特徴抽出結果と同じ観察とオクルージョンが維持されます。
これらの生成されたシミュレーション シーケンスは、慎重に設計されたさまざまな軌跡と観測を導入することにより、データセットの多様性を高めます。
2 番目に、カメラ姿勢追跡、パラメータ化、最適化モジュールで広く使用されているモジュールを評価するために、データセットを使用して SLAM ベースラインが提案されます。
これらの最先端のアルゴリズムをさまざまなシナリオで評価することで、カメラの追跡と最適化のプロセスにおける各モジュールの長所と短所を識別します。
データセットとベースラインは \url{https://github.com/yanyan-li/Open-Structure} で入手できます。

要約(オリジナル)

This paper introduces a new benchmark dataset, Open-Structure, for evaluating visual odometry and SLAM methods, which directly equips point and line measurements, correspondences, structural associations, and co-visibility factor graphs instead of providing raw images. Based on the proposed benchmark dataset, these 2D or 3D data can be directly input to different stages of SLAM pipelines to avoid the impact of the data preprocessing modules in ablation experiments. First, we propose a dataset generator for real-world and simulated scenarios. In real-world scenes, it maintains the same observations and occlusions as actual feature extraction results. Those generated simulation sequences enhance the dataset’s diversity by introducing various carefully designed trajectories and observations. Second, a SLAM baseline is proposed using our dataset to evaluate widely used modules in camera pose tracking, parametrization, and optimization modules. By evaluating these state-of-the-art algorithms across different scenarios, we discern each module’s strengths and weaknesses within the camera tracking and optimization process. Our dataset and baseline are available at \url{https://github.com/yanyan-li/Open-Structure}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google