CARLA-Loc: Synthetic SLAM Dataset with Full-stack Sensor Setup in Challenging Weather and Dynamic Environments

要約

自動運転の成功には、厳しい環境条件下での SLAM (同時位置特定とマッピング) アルゴリズムの堅牢性が重要です。
しかし、環境パラメータを制御された方法で変更することが難しいため、そのような状況が現実世界に与える影響はほとんど解明されていない。
これに対処するために、CARLA シミュレーターを使用して作成された、困難で動的な環境向けに設計された合成データセットである CARLA-Loc を導入します。
当社のデータセットは、カメラ、イベント カメラ、LiDAR、レーダー、IMU などのさまざまなセンサーを調整されたパラメーターと変更で統合し、生成されたデータの現実性を保証します。
CARLA-Loc は 7 つのマップと 42 のシーケンスで構成されており、それぞれの力学や気象条件が異なります。
さらに、ユーザーがカスタム シーケンスを簡単に生成できるパイプライン スクリプトが提供されています。
私たちは、さまざまなシーケンスにわたって 5 つの視覚ベースと 4 つの LiDAR ベースの SLAM アルゴリズムを評価し、さまざまな困難な環境要因が位置特定の精度にどのように影響するかを分析しました。
私たちの調査結果は、さまざまな条件下で SLAM アルゴリズムの有効性を検証する際の CARLA-Loc データセットの有用性を示しています。

要約(オリジナル)

The robustness of SLAM (Simultaneous Localization and Mapping) algorithms under challenging environmental conditions is critical for the success of autonomous driving. However, the real-world impact of such conditions remains largely unexplored due to the difficulty of altering environmental parameters in a controlled manner. To address this, we introduce CARLA-Loc, a synthetic dataset designed for challenging and dynamic environments, created using the CARLA simulator. Our dataset integrates a variety of sensors, including cameras, event cameras, LiDAR, radar, and IMU, etc. with tuned parameters and modifications to ensure the realism of the generated data. CARLA-Loc comprises 7 maps and 42 sequences, each varying in dynamics and weather conditions. Additionally, a pipeline script is provided that allows users to generate custom sequences conveniently. We evaluated 5 visual-based and 4 LiDAR-based SLAM algorithms across different sequences, analyzing how various challenging environmental factors influence localization accuracy. Our findings demonstrate the utility of the CARLA-Loc dataset in validating the efficacy of SLAM algorithms under diverse conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google