4Seasons:用于自动驾驶的多天气SLAM的跨季节数据集

4Seasons: A Cross-Season Dataset for Multi-Weather SLAM in Autonomous Driving

论文链接:https://arxiv.org/abs/2009.06364 数据集:http://www.4seasons-dataset.com/

据作者称,这是第一个针对各种场景提供跨季节的精确逐像素对应的大规模SLAM数据集,即将开源!作者单位:慕尼黑工业大学, Artisense(加州初创公司)

我们提出了一个新颖的数据集,涵盖了自动驾驶的季节性和挑战性感知条件。 它还可以用于研究视觉里程表,全局位置识别和基于地图的重新定位跟踪。数据是在不同的场景下以及在各种天气条件和光照下(包括白天和黑夜)收集的。在九种不同环境中进行了超过350公里的采集,从市区(包括隧道)的多层停车场到乡村和高速公路。通过提供直接立体视觉惯性里程表与RTK-GNSS的融合,我们提供了全局一致的参考姿势,精度高达厘米。

数据集 机器学习 计算机视觉
评论0

可用Markdown格式