以下内容來自小六的機器人SLAM學習圈知識星球每日更新内容
#論文# arxiv | 卡内基梅隆大學釋出SubT-MRS：一個地下的、多機器人、多光譜和多退化的魯棒SLAM資料集
【SubT-MRS: A Subterranean, Multi-Robot, Multi-Spectral and Multi-Degraded Dataset for Robust SLAM】
文章連結：http://arxiv.org/abs/2307.07607
近年來，同步定位與地圖建構( Simultaneous Localization and Mapping，SLAM )研究領域取得了重大進展。然而，目前最先進的解決方案在實際應用中仍然面臨着精度和魯棒性有限的問題。其中一個主要原因是缺乏能夠充分捕獲機器人在野外所面臨條件的資料集。為了解決這個問題，我們提出了SubT-MRS，這是一個極具挑戰性的真實世界資料集，旨在推動SLAM和感覺算法的極限。
SubT - MRS是一個多模态、多機器人的資料集，主要從具有多種退化條件的地下環境中收集，包括無結構的走廊、變化的光照條件以及煙霧和灰塵等感覺遮蔽物。此外，該資料集封裝了來自不同範圍的時間同步傳感器的資訊，包括雷射雷達、視覺相機、熱相機和使用不同車輛運動(如空中、腿部和輪式)捕獲的IMUs，以支援傳感器融合的研究，這對于在複雜環境中實作準确和魯棒的機器人感覺至關重要。
為了評估SLAM系統的精度，我們還提供了一個具有亞厘米級精度的稠密三維模型，以及準确的6DoF地面真值。我們的基準測試方法包括了幾種最先進的方法，以證明我們的資料集引入的挑戰，特别是在多重退化環境的情況下。
以上内容來自小六的機器人SLAM學習圈知識星球每日更新内容
推薦閱讀
開講！世界第一款開源的自動駕駛一體化架構Autoware！（附交流群）
深度教程！深度學習特征提取比對開源算法SuperPoint和SuperGlue