【SLAM数据集】开源 | 一种用于大规模动态环境下移动定位的长期位置识别数据集，包括校园和城市规模的轨迹

论文地址： http://arxiv.org/pdf/2205.10737v2.pd

来源： Carnegie Mellon University

论文名称：ALITA A Large-scale Place Recognition Dataset for Long-term Autonomy

原文作者：Peng Yin

内容提要

对于长期自主，大多数地方识别方法主要是在简化的场景或模拟数据集上进行评估，这不能为当前SLAM的准备工作提供可靠的证据。本文提出了一种用于大规模动态环境下移动定位的长期位置识别数据集。该数据集包括一个校园规模的轨迹和一个城市规模的轨迹。校园轨迹集中在长期性能上，并由激光雷达设备和10个轨迹上的全向摄像头记录。每条轨迹在不同光照条件下重复记录8次。城市轨迹以大型物业为主，仅在120km轨迹上用LiDAR设备进行记录，其中包含了开放街道、居民区、自然地形等。其中包括200小时的城市环境中各种场景的原始数据。每条轨道上都提供了地面真实位置，从全球位置系统中获得，并附加了基于通用ICP的点云优化。为了简化评估过程，我们还为Python-API提供了一组位置识别指标，用于快速加载数据集并评估不同方法的识别性能。该数据集的目标是寻找具有高位置识别精度和鲁棒性的方法，并提供具有长期自主性的真实机器人系统。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有