数据集介绍与使用 M2DGR、KITTI、EuRoc,评测

SLAM 数据集汇总主页:https://github.com/qxiaofan/awesome-slam-datasets
SLAM 数据 集综述论文:Simultaneous Localization and Mapping Related Datasets: A
Comprehensive Survey
论文地址:https://arxiv.org/abs/2102.04036
M2DGR 简介
M2DGR 是由上海交大采针对地面机器人导航采集的 SLAM 数据集,包含了环视 RGB 相机、
红外相机、事件相机、32 线激光雷达、IMU 与原始 GNSS 信息,覆盖了室内外具有挑战性
的场景,给当前的 SLAM 算法带来了很大的挑战性。项目主页位于 https://github.com/SJTU
ViSYS/M2DGR。
论文位于:https://github.com/SJTU-ViSYS/M2DGR/blob/main/main.pdf。
主要贡献有:
1.为室内和室外的地面机器人收集了长期具有挑战性的序列,并拥有一个完整的传感器套件,
其中包括 6 个环视鱼眼摄像机、一个指向天空的鱼眼摄像机、一个透视彩色摄像机、一个事
件摄像机、一个红外摄像机、一个 32 束激光雷达、两个 GNSS 接收器和两个 imu。 这是首
个拥有如此丰富的传感器信息的专注于地面机器人导航的 SLAM 数据集。
2.记录了一些具有挑战性的情况下的轨迹,如电梯、完全黑暗,这些情况很容易导致现有的
定位解决方案失败。 这些情况在地面机器人应用中是很常见的,但在以前的数据集中很少
讨论。
35
cvlife.net 3.启动地面机器人导航的 benchmark。 在这个基准上评估了现有的各种设计的最先进的
SLAM 算法,并分别分析了它们的特点和缺陷。
主要适用范围:评估室内外地面机器人的单目(针孔/鱼目/红外)视觉 SLAM 算法、双目(鱼
目)SLAM 算法、VIO 算法、激光 SLAM、激光+IMU、激光+IMU+GNSS、激光+视觉+IMU、
事件相机的 SLAM、GNSS 定位方法等
所有的数据格式均为 rosbag,包括以下 topic:
LIDAR: /velodyne_points
RGB Camera: /camera/left/image_raw/compressed ,
/camera/right/image_raw/compressed ,
/camera/third/image_raw/compressed ,
/camera/fourth/image_raw/compressed ,
/camera/fifth/image_raw/compressed ,
/camera/sixth/image_raw/compressed ,
/camera/head/image_raw/compressed
GNSS Ublox M8T:
/ublox/aidalm ,
/ublox/aideph ,
/ublox/fix ,
/ublox/fix_velocity ,
/ublox/monhw ,
/ublox/navclock ,
/ublox/navpvt ,
/ublox/navsat ,
/ublox/navstatus ,
/ublox/rxmraw
Infrared Camera:/thermal_image_raw
V-I Sensor:
/camera/color/image_raw/compressed ,
/camera/imu
Event Camera:
/dvs/events,
/dvs_rendering/compressed
IMU: /handsfree/imu
KITTI 简介
KITTI 数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办,是目前国际上最
大的自动驾驶场景下的计算机视觉算法评测数据集之一。该数据集用于评测立体图像
(stereo),光流(optical flow),视觉测距(visual odometry),3D 物体检测(object detection)和
3D 跟踪(tracking)等计算机视觉技术在车载环境下的性能。KITTI 包含市区、乡村和高速公路
等场景采集的真实图像数据,每张图像中最多达 15 辆车和 30 个行人,还有各种程度的遮
挡与截断。
论文地址为:https://www.mrt.kit.edu/z/publ/download/2013/GeigerAl2013IJRR.pdf
官网链接为 https://www.cvlibs.net/datasets/kitti/eval_odometry.php,可以选择“odometry”并
下载原始数据
主要适用范围:评估自动驾驶场景下的纯激光 SLAM 算法、激光+视觉的算法
Kitti 的原始格式为:
Kitti 不提供 Rosbag 格式的数据,需要手动进行转换。其中 kitti2bag
(https://github.com/tomas789/kitti2bag)是个比较好用的开源工具。可以通过 pip install
kitti2bag 直接安装,使用方式为
$ wget https://s3.eu-central-1.amazonaws.com/avg
kitti/raw_data/2011_09_26_drive_0002/2011_09_26_drive_0002_sync.zip
$ wget https://s3.eu-central-1.amazonaws.com/avg
kitti/raw_data/2011_09_26_calib.zip
$ unzip 2011_09_26_drive_0002_sync.zip
$ unzip 2011_09_26_calib.zip
$ kitti2bag -t 2011_09_26 -r 0002 raw_synced .
Exporting static transformations
Exporting time dependent transformations
Exporting IMU
Exporting camera 0
40
cvlife.net 100% (77 of 77) |##########################| Elapsed Time: 0:00:00
Time: 0:00:00
Exporting camera 1
100% (77 of 77) |##########################| Elapsed Time: 0:00:00
Time: 0:00:00
Exporting camera 2
100% (77 of 77) |##########################| Elapsed Time: 0:00:01
Time: 0:00:01
Exporting camera 3
100% (77 of 77) |##########################| Elapsed Time: 0:00:01
Time: 0:00:01
Exporting velodyne data
100% (77 of 77) |##########################| Elapsed Time: 0:00:15
Time: 0:00:15
## OVERVIEW ##
path: kitti_2011_09_26_drive_0002_synced.bag
version: 2.0
duration: 7.8s
start: Sep 26 2011 13:02:44.33 (1317042164.33)
end: Sep 26 2011 13:02:52.16 (1317042172.16)
size: 417.2 MB
messages: 1078
compression: none [308/308 chunks]
types: geometry_msgs/TwistStamped
[98d34b0043a2093cf9d9345ab6eef12e]
sensor_msgs/CameraInfo
[c9a58c1b0b154e0e6da7578cb991d214]
sensor_msgs/Image
[060021388200f6f0f447d0fcd9c64743]
sensor_msgs/Imu
[6a62c6daae103f4ff57a132d6f95cec2]
sensor_msgs/NavSatFix
[2d3a8cd499b9b4a0249fb98fd05cfa48]
sensor_msgs/PointCloud2
[1158d486dd51d683ce2f1be655c3c181]
tf2_msgs/TFMessage
[94810edda583a504dfda3829e70d7eec]
topics: /kitti/camera_color_left/camera_info 77 msgs :
sensor_msgs/CameraInfo
/kitti/camera_color_left/image_raw 77 msgs :
sensor_msgs/Image
/kitti/camera_color_right/camera_info 77 msgs :
sensor_msgs/CameraInfo
41
cvlife.net /kitti/camera_color_right/image_raw 77 msgs :
sensor_msgs/Image
/kitti/camera_gray_left/camera_info 77 msgs :
sensor_msgs/CameraInfo
/kitti/camera_gray_left/image_raw 77 msgs :
sensor_msgs/Image
/kitti/camera_gray_right/camera_info 77 msgs :
sensor_msgs/CameraInfo
/kitti/camera_gray_right/image_raw 77 msgs :
sensor_msgs/Image
/kitti/oxts/gps/fix 77 msgs :
sensor_msgs/NavSatFix
/kitti/oxts/gps/vel 77 msgs :
geometry_msgs/TwistStamped
/kitti/oxts/imu 77 msgs :
sensor_msgs/Imu
/kitti/velo/pointcloud 77 msgs :
sensor_msgs/PointCloud2
/tf 77 msgs :
tf2_msgs/TFMessage
/tf_static 77 msgs :
tf2_msgs/TFMessage
EuRoc 简介
EuRoC 是一个 微型无人机(MAV)上收集的视觉惯性数据集
官网为 https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets
论文为
https://www.researchgate.net/profile/Michael
Burri/publication/291954561_The_EuRoC_micro_aerial_vehicle_datasets/links/56af0c6008ae1
9a38516937c/The-EuRoC-micro-aerial-vehicle-datasets.pdf
概要:数据集包含同步双目图像、IMU 测量和准确的轨迹真值。第一批数据集有助于在真实
的无人机上设计和评估 VIO 算法。它是在工业环境中收集的,包含来自激光跟踪系统的毫
米精确轨迹真值。第二批数据集旨在精确的 3D 环境重建,并在配备有运动捕捉系统的房间
中记录。数据集包含 6D 姿势地面真相和环境的详细 3D 扫描。总共提供了 11 个数据集,从
良好视觉条件下的慢速飞行到运动模糊和照明不足的动态飞行,使研究人员能够彻底测试和
评估他们的算法。所有数据集包含原始传感器测量值、时空对齐的传感器数据和地面实况、
外部和内部校准,以及用于自定义校准的数据集。
硬件设备包括
1.飞行器机体:AscTec Firefly
2.双目 VIO 相机:全局快门,单色,相机频率 20Hz,IMU 频率 200Hz,具备相机和 IMU 的
硬件同步,双目相机型号 MT9V034,IMU 型号 ADIS16448
3.VICON0:维肯动作捕捉系统的配套反射标志,叫做 marker
4.LEICA0:是激光追踪器配套的传感器棱镜,叫做 prism
5.Leica Nova MS50: 激光追踪器,测量棱镜 prism 的位置,毫米精度,帧率 20Hz,
6.Vicon motion capture system: 维肯动作捕捉系统,提供在单一坐标系下的 6D 位姿测量,
测量方式是通过在 MAV 上贴上一组反射标志,帧率 100Hz,毫米精度
四个传感器,对应数据集结构中 cam0,cam1,imu0,leica0 四个文件夹,其
中 prism 和 marker 公用一个坐标系,
飞行器的 Body Frame 是以 IMU 的中心作为 Body Frame 的,四个文件夹所有的传感器数据
都是相对于各自的传感器坐标系(Sensor Frame)的,IMU 的 Sensor Frame 就是飞行器的 Body
Frame
在每个传感器文件夹里配套一个 senor.yaml 文件,描述了该传感器相对于 Body 坐标系的坐
标变换情况,以及传感器内参。
数据集的格式为:
——mav0
— cam0
data :图像文件
data.csv :图像时间戳
sensor.yaml : 相机参数【内参 fu,fv,cu,cv、外参 T_BS(相机相对于
b 系的位姿)、畸变系数】
— cam1
data :图像文件
data.csv :图像时间戳
sensor.yaml : 相机参数【内参 fu,fv,cu,cv、外参 T_BS(相机相对于
b 系的位姿)、畸变系数】
— imu0
data.csv : imu 测量数据【时间戳、角速度 xyz、加速度 xyz】
sensor.yaml : imu 参数【外参 T_BS、惯性传感器噪声模型以及噪声
参数】
— leica0
data.csv : leica 测量数据【时间戳、prism 的 3D 位置】
sensor.yaml : imu 参数【外参 T_BS】
— state_groundtruth_estimae0**
data.csv :地面真实数据【时间戳、3D 位置、姿态四元数、速度、
ba、bg】
sensor.yaml :
真值的格式为
timestamp 18 位时间戳
p 代表 position,指的是 MAV 的空间 3D 坐标,RS 代表这个坐标是在 R 坐标系
的值,也就是 LEICA 位姿跟踪系统坐标系下测到的值,S 指的是原来的值是从
Sensor 坐标系下得到的,后来又变换到了 R 坐标系。R 可能代表 LEICA 坐标
系,x 代表这是 3D 位置的 x 轴方向上的真值。单位位米
p_RS_R_x [m]
p_RS_R_y [m]
p_RS_R_z [m]
q 代表 quaternion 四元数,表达了 MAV 的朝向信息,RS 代表是在 R 坐标系下测
到的朝向信息,但是实际上最开始是在 Sensor 坐标系下的朝向,后来只不过被
变换到了 R 坐标系下,w 为四元数的实部,xyz 为虚部
q_RS_w []
q_RS_x []
q_RS_y []
q_RS_z []
v 代表这是 MAV 的速度信息,而且是在 R 坐标系下的速度信息,单位 m/s
44
cvlife.net v_RS_R_x [m s^-1]
v_RS_R_y [m s^-1]
v_RS_R_z [m s^-1]
w 代表这是 MAV 在 R 坐标系下的角速度信息,单位 rad/s
b_w_RS_S_x [rad s^-1]
b_w_RS_S_y [rad s^-1]
b_w_RS_S_z [rad s^-1]
a 代表这是 MAV 在 R 坐标系下的线加速度信息,单位 m/s^2
b_a_RS_S_x [m s^-2]
b_a_RS_S_y [m s^-2]
b_a_RS_S_z [m s^-2]

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/42244.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

JAVA学习-练习试用Java实现“拼接最大数”

问题&#xff1a; 给定长度分别为 m 和 n 的两个数组&#xff0c;其元素由 0-9 构成&#xff0c;表示两个自然数各位上的数字。现在从这两个数组中选出 k (k < m n) 个数字拼接成一个新的数&#xff0c;要求从同一个数组中取出的数字保持其在原数组中的相对顺序。 求满足该…

iview中checkbox多选框带实际值和显示值的写法

<CheckboxGroup v-model"selectHotworkMeasures"><Checkboxv-for"item in hotworkMeasuresList":key"item.key">{{ item.name }}</Checkbox></CheckboxGroup>selectHotworkMeasures: [],

python操作SQLite3数据库进行增删改查

python操作SQLite3数据库进行增删改查 1、创建SQLite3数据库 可以通过Navicat图形化软件来创建: 2、创建表 利用Navicat图形化软件来创建: 存储在 SQLite 数据库中的每个值(或是由数据库引擎所操作的值)都有一个以下的存储类型: NULL. 值是空值。 INTEGER. 值是有符…

Python 算法交易实验76 QTV200日常推进

说明 最近实在太忙&#xff0c; 没太有空推进这个项目&#xff0c;我想还是尽量抽一点点时间推进具体的工程&#xff0c;然后更多的还是用碎片化的时间从整体上对qtv200进行设计完善。有些结构的问题其实是需要理清的&#xff0c;例如&#xff1a; 1 要先基于原始数据进行描述…

浪潮信息元脑服务器支持英特尔®至强®6能效核处理器 展现强劲性能

如今&#xff0c;服务器作为数字经济的核心基础设施&#xff0c;正面临着前所未有的挑战和机遇。作为服务器领域的领军企业&#xff0c;浪潮信息始终站在行业前沿&#xff0c;不断推陈出新&#xff0c;以满足客户日益增长的需求。近日&#xff0c;浪潮信息再次展现技术实力&…

基于GWO-CNN-BiLSTM数据回归预测(多输入单输出)-灰狼优化算法优化CNN-BiLSTM

基于GWO-CNN-BiLSTM数据回归预测(多输入单输出)-灰狼优化算法优化CNN-BiLSTM 1.数据均为Excel数据&#xff0c;直接替换数据就可以运行程序。 2.所有程序都经过验证&#xff0c;保证程序可以运行。 3.具有良好的编程习惯&#xff0c;程序均包含简要注释。 获取方式 https:/…

Pandas 基础 —— 探索数据分析的第一步

引言 在数据科学的世界中&#xff0c;Pandas 以其强大的数据处理能力而成为分析工作的核心工具。本文将引导你走进 Pandas 的大门&#xff0c;从基础概念到数据清洗的实用技巧&#xff0c;为你的数据分析之路打下坚实的基础。 Pandas 简介 Pandas 是一个开源的 Python 数据分…

筛选Github上的一些优质项目

每个项目旁都有标签说明其特点&#xff0c;如今日热捧、多模态、收入生成、机器人、大型语言模型等。 项目涵盖了不同的编程语言和领域&#xff0c;包括人工智能、语言模型、网页数据采集、聊天机器人、语音合成、AI 代理工具集、语音转录、大型语言模型、DevOps、本地文件共享…

p2p、分布式,区块链笔记:libp2p通过libp2p_demo::network实现文件传递功能

代码 代码来自github开源项目file-sharing.rs。主要依赖clap库进行命令行参数解析&#xff0c;使用async_std进行并行操作&#xff0c;使用libp2p_demo::network中的相关方法进行网络建立与文件传输&#xff0c;但是代码量却减少了很多&#xff0c;这是由于libp2p_demo::netwo…

Matplotlib 学习

知识点 1.plot()&#xff1a;用于绘制线图和 散点图scatter() 函数&#xff1a;plot() 函数可以接受许多可选参数&#xff0c;用于控制图形的外观&#xff0c;例如&#xff1a;颜色: colorblue 控制线条的颜色。线型: linestyle-- 控制线条的样式&#xff0c;例如虚线。标记…

YoloV8改进策略:Block改进|轻量实时的重参数结构|最新改进|即插即用(全网首发)

摘要 本文使用重参数的Block替换YoloV8中的Bottleneck&#xff0c;GFLOPs从165降到了116&#xff0c;降低了三分之一&#xff1b;同时&#xff0c;map50-95从0.937涨到了0.947。 改进方法简单&#xff0c;只做简单的替换就行&#xff0c;即插即用&#xff0c;非常推荐&#xf…

C++_STL---list

list的相关介绍 list是可以在常数范围内在任意位置进行插入和删除的序列式容器&#xff0c;并且该容器可以前后双向迭代。 list的底层是带头双向循环链表结构&#xff0c;链表中每个元素存储在互不相关的独立节点中&#xff0c;在节点中通过指针指向其前一个元素和后一个元素。…

IDEA与通义灵码的智能编程之旅

1 概述 本文主要介绍在IDEA中如何安装和使用通义灵码来助力软件编程,从而提高编程效率,创造更大的个人同企业价值。 2 安装通义灵码 2.1 打开IDEA插件市场 点击IDEA的设置按钮,下拉选择Plugins,如下: 2.2 搜索通义灵码 在搜索框中输入“通义灵码”,如下: 2.3 安…

C语言 二分法求方程根

用二分法求下面方程在&#xff08;-10&#xff0c;10&#xff09;的根。 2x^3-4x^23x-60 这个程序使用二分法求方程 2x^3 - 4x^2 3x - 6 0 在区间 (-10, 10) 内的根。 #include <stdio.h> #include <math.h>// 方程 f(x) double f(double x) {return 2 * pow(x…

使用ifconfig命令获取当前服务器的内网IP地址

如何使用ifconfig命令获取当前服务器的内网IP地址呢&#xff1f; ifconfig eth0 | grep inet | awk {print $2}

什么是五级流水?银行眼中的“好流水”,到底是什么样的?

无论是按揭买房还是日常贷款&#xff0c;银行流水都是绕不开的一环。规划好你的流水&#xff0c;不仅能让你在申请贷款时更有底气&#xff0c;还可能帮你省下不少冤枉钱。今天&#xff0c;咱们就来一场深度剖析&#xff0c;聊聊如何在按揭贷款、个人经营抵押贷款前&#xff0c;…

相关向量机(Relevance Vector Machine,RVM)及Python和MATLAB实现

**相关向量机&#xff08;Relevance Vector Machine&#xff0c;RVM&#xff09;** 是一种基于贝叶斯框架的机器学习模型&#xff0c;于2001年由Michael Tipping提出。RVM是一种稀疏建模技术&#xff0c;类似于支持向量机&#xff08;SVM&#xff09;&#xff0c;但其重点在于自…

代码随想录 数组部分+代码可在本地编译器运行

代码随想录 数组部分&#xff0c;代码可在本地编译器运行 文章目录 数组理论基础704.二分查找题目&#xff1a;思路二分法第一种写法二分法第二种写法 代码 27.移除元素题目&#xff1a;思路-双指针法代码 977.有序数组的平方题目思路-双指针代码 209.长度最小的子数组题目&am…

MPI,0号进程发信息,其他进程收信息

进程0向进程1发送值: 42 进程0向进程2发送值: 42 进程0向进程3发送值: 42 进程0向进程4发送值: 42 进程0向进程5发送值: 42 进程1收到的数据是: 42 进程2收到的数据是: 42 进程3收到的数据是: 42 进程5收到的数据是: 42 进程4收到的数据是: 42 #include <mpi.h> #include…

ChatGPT4深度解析:探索智能对话新境界

大模型chatgpt4分析功能初探 目录 1、探测目的 2、目标变量分析 3、特征缺失率处理 4、特征描述性分析 5、异常值分析 6、相关性分析 7、高阶特征挖掘 1、探测目的 1、分析chat4的数据分析能力&#xff0c;提高部门人效 2、给数据挖掘提供思路 3、原始数据&#xf…