DIDLM:A Comprehensive Multi-Sensor Dataset with Infrared Cameras, Depth Cameras, LiDAR, and 4D Millimeter-Wave Radar in Challenging Scenarios for 3D Mapping

要約

この研究では、屋内および屋外の厳しい環境における 3D マッピング用に設計された包括的なマルチセンサー データセットを紹介します。
このデータセットは、赤外線カメラ、深度カメラ、LiDAR、4D ミリ波レーダーからのデータで構成されており、高度な知覚およびマッピング技術の探索を容易にします。
多様なセンサーデータを統合することで、雨、雪、凹凸のある路面などの極限状況における知覚能力が強化されます。
このデータセットには、屋内と屋外で異なる速度でのインタラクティブなロボット データも含まれており、現実的な背景環境を提供します。
同様のルート間のスラム比較が行われ、さまざまな複雑なシーンがさまざまなセンサーに与える影響が分析されます。
データセットの処理にはさまざまな SLAM アルゴリズムが採用されており、さまざまなシナリオにおけるアルゴリズム間のパフォーマンスの違いが明らかになります。
要約すると、このデータセットは特殊な環境におけるデータ不足の問題に対処し、極限状態に対応する認識およびマッピングのアルゴリズムの開発を促進します。
このデータセットは、赤外線、深度カメラ、LiDAR、4D ミリ波レーダー、ロボット インタラクションなどのマルチセンサー データを活用して、インテリジェントなマッピングと認識機能を進化させます。私たちのデータセットは https://github.com/GongWeiSheng/DIDLM で入手できます。

要約(オリジナル)

This study presents a comprehensive multi-sensor dataset designed for 3D mapping in challenging indoor and outdoor environments. The dataset comprises data from infrared cameras, depth cameras, LiDAR, and 4D millimeter-wave radar, facilitating exploration of advanced perception and mapping techniques. Integration of diverse sensor data enhances perceptual capabilities in extreme conditions such as rain, snow, and uneven road surfaces. The dataset also includes interactive robot data at different speeds indoors and outdoors, providing a realistic background environment. Slam comparisons between similar routes are conducted, analyzing the influence of different complex scenes on various sensors. Various SLAM algorithms are employed to process the dataset, revealing performance differences among algorithms in different scenarios. In summary, this dataset addresses the problem of data scarcity in special environments, fostering the development of perception and mapping algorithms for extreme conditions. Leveraging multi-sensor data including infrared, depth cameras, LiDAR, 4D millimeter-wave radar, and robot interactions, the dataset advances intelligent mapping and perception capabilities.Our dataset is available at https://github.com/GongWeiSheng/DIDLM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google