以下內(nèi)容來自小六的機器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容

點擊領(lǐng)取學(xué)習(xí)資料 → 機器人SLAM學(xué)習(xí)資料大禮包

#論文# #開源數(shù)據(jù)集# SUPS: A Simulated Underground Parking Scenario Dataset for Autonomous Driving?

論文地址：https://arxiv.org/abs/2302.12966

作者單位：復(fù)旦大學(xué)?

開源數(shù)據(jù)集：https://github.com/jarvishou829/SUPS

? ? 隨著自動駕駛范圍的擴大，自動地下停車已引起相當大的關(guān)注。汽車獲得環(huán)境信息，跟蹤其位置，并建立一個可靠的場景地圖。主流解決方案包括神經(jīng)網(wǎng)絡(luò)和SLAM方法，這些方法需要大量精心標注的圖像和多傳感器。然而，目前缺乏具有多個傳感器和標注良好的圖像的地下停車場景數(shù)據(jù)集，這些數(shù)據(jù)集支持SLAM任務(wù)和感知任務(wù)，例如語義分割和停車位檢測。

? ? 在本文中，我們提出了SUPS，這是一個用于地下自動停車的模擬數(shù)據(jù)集，它支持多個任務(wù)，多個傳感器和多個語義標簽根據(jù)時間戳與連續(xù)圖像對齊。我們打算用虛擬場景中環(huán)境的可變性以及傳感器的多樣性和可訪問性來彌補現(xiàn)有數(shù)據(jù)集的缺陷。具體而言，數(shù)據(jù)集記錄了四個周圍魚眼相機、兩個前向針孔相機、一個深度相機的幀，以及來自激光雷達、慣性測量單元（IMU）和全球?qū)Ш叫l(wèi)星系統(tǒng)的數(shù)據(jù)。為對象提供像素級語義標簽，尤其是地面標志，如箭頭、停車線、車道和減速帶。我們的數(shù)據(jù)集支持感知、3D重建、深度估計和SLAM以及其他相關(guān)任務(wù)。我們還評估了數(shù)據(jù)集上最先進的SLAM算法和感知模型。?

本文貢獻如下：

1、我們提出了SUPS，這是一個用于地下自動停車的模擬數(shù)據(jù)集，它支持多個任務(wù)，具有多個傳感器和多個語義標簽，根據(jù)時間戳與連續(xù)圖像對齊。它允許在地下停車場景中對SLAM和感知算法的魯棒性和準確性進行基準測試。?

2、我們在數(shù)據(jù)集上評估了幾種最先進的語義分割和SLAM算法，以顯示其在地下停車場景中的實用性和挑戰(zhàn)性。?

3、我們開源了SUPS數(shù)據(jù)集和整個模擬地下停車場景，使研究人員能夠針對特定任務(wù)進行自行設(shè)計的更改。

以上內(nèi)容來自小六的機器人SLAM學(xué)習(xí)圈 每日更新內(nèi)容