来自车载移动地图系统的多式传感器数据集,用于全面的城市场景

科学领域:

• 地质学和地理空间科学
• 机器人技术和自主系统
• 计算机视觉和机器学习

背景情况:

• 移动地图比传统方法提供更高的时间效率,对于高清地图和智能城市等应用至关重要.
• 现有的移动映射数据集通常依赖于便携式平台,限制了大规模自动驾驶应用的研究.
• 需要全面的车载移动地图数据集,以推进城市场景理解和自主系统.

研究的目的:

• 引入用于全面城市场景的车载移动绘图系统 (MSD-VMMS-HK) 的多式联络传感器数据集.
• 为各种城市环境提供丰富,高精度,大规模的数据集,包括具有挑战性的场景.
• 建立一个标准来验证城市绘图中的点云和图像处理技术.

主要方法:

• 使用了装在车辆上的移动地图系统,配备了高精度 (毫米级) LiDAR,全景摄像头和 GNSS / INS.
• 收集了香港各种各样的代表性城市场景的数据,包括道,峡谷和沿海道路.
• 开发了一套多式联运数据集,使得精确的空间和视觉数据融合能够用于城市场景分析.

主要成果:

• MSD-VMMS-HK数据集为复杂的城市环境提供高精度,大规模的多式联络传感器信息.
• 它是第一个城市级数据集,为验证点云和图像处理算法提供高精度引用.
• 在准确的城市峡谷绘图,基础设施管理和变化检测中展示了数据集应用.

结论:

• 在MSD-VMMS-HK数据集显著推进大规模移动绘图和自动驾驶的研究.
• 这一全面的数据集为学术界在开发和验证城市绘图技术方面提供了宝贵的资源.
• 有助于创建数字双胞胎,智能城市基础设施和改进的自主导航系统.