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

这项研究提供了一个全面的多传感器数据集，旨在用于具有挑战性的室内和室外环境下的3D地图制作。该数据集包括红外摄像机、深度摄像机、激光雷达和4D毫米波雷达的数据，有助于探索先进的感知和制图技术。多种传感器数据的集成增强了在极端条件下（如雨、雪和不平的路面）的感知能力。该数据集还包括不同速度的室内和室外交互式机器人数据，提供了一个真实的背景环境。对比了类似路线的SLAM，分析了不同复杂场景对各种传感器的影响。采用了各种SLAM算法来处理数据集，揭示了不同场景下算法性能的差异。总之，该数据集解决了特殊环境中数据稀缺的问题，促进了针对极端条件下感知和制图算法的发展。利用多种传感器数据，包括红外、深度摄像机、激光雷达、4D毫米波雷达和机器人交互，该数据集推进了智能制图和感知能力。我们的数据集可在https://github.com/GongWeiSheng/DIDLM上获得。

解决问题：本论文旨在解决特殊环境下数据稀缺的问题，推动极端条件下的感知和制图算法的发展。

关键思路：本论文提供了一个包含多种传感器数据的数据集，包括红外相机、深度相机、激光雷达、4D毫米波雷达和机器人交互数据，以提高在极端条件下的感知能力。同时，通过比较不同场景下的SLAM算法性能，揭示了算法在不同场景下的表现差异。

其他亮点：本论文的数据集可供研究人员使用，有助于推动感知和制图算法在极端条件下的发展。实验设计合理，使用了多种传感器数据，并进行了SLAM算法比较。数据集已经开源。

相关研究：最近的相关研究包括“Real-time 3D Mapping with Multiple Sensors using a Stereo SLAM Approach”和“Multi-Sensor Fusion for 3D Mapping with RGB-D Cameras, Inertial and Laser Range Finders”。