Heterogeneous LiDAR Dataset for Benchmarking Robust Localization in Diverse Degenerate Scenarios

要約

3D LiDAR を使用して姿勢を推定し、マップを生成する機能により、ロボット システムの自律性が大幅に強化されます。
ただし、既存のオープンソース データセットには幾何学的に縮退した環境の表現が不足しており、堅牢な LiDAR SLAM アルゴリズムの開発とベンチマークが制限されています。
このギャップに対処するために、実際の幾何学的に縮退した環境を含めるように特別に設計された包括的なマルチ LiDAR、マルチシナリオ データセットである GEODE ​​を導入します。
GEODE ​​は、縮退の度合いが異なる 7 つの多様な設定にわたる 64 キロメートル以上にわたる 64 の軌道で構成されています。
データは、さまざまな LiDAR センサー、ステレオ カメラ、IMU、および多様な運動条件を組み込むことにより、多用途のアルゴリズムの開発を促進するために綿密に収集されました。
GEODE ​​データセットを使用して最先端の SLAM アプローチを評価し、LiDAR SLAM 技術の現在の制限を明らかにします。
この広範なデータセットは https://geode.github.io で公開され、LiDAR ベースの SLAM のさらなる進歩をサポートします。

要約(オリジナル)

The ability to estimate pose and generate maps using 3D LiDAR significantly enhances robotic system autonomy. However, existing open-source datasets lack representation of geometrically degenerate environments, limiting the development and benchmarking of robust LiDAR SLAM algorithms. To address this gap, we introduce GEODE, a comprehensive multi-LiDAR, multi-scenario dataset specifically designed to include real-world geometrically degenerate environments. GEODE comprises 64 trajectories spanning over 64 kilometers across seven diverse settings with varying degrees of degeneracy. The data was meticulously collected to promote the development of versatile algorithms by incorporating various LiDAR sensors, stereo cameras, IMUs, and diverse motion conditions. We evaluate state-of-the-art SLAM approaches using the GEODE dataset to highlight current limitations in LiDAR SLAM techniques. This extensive dataset will be publicly available at https://geode.github.io, supporting further advancements in LiDAR-based SLAM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google