ALITA
收藏资源简介：
该数据集包括校园规模和城市规模的轨迹，用于移动定位中的长期位置识别。校园轨迹关注长期属性，记录了10条轨迹上的激光雷达设备和全方位摄像头，每条轨迹在不同光照条件下重复记录8次。城市轨迹关注大规模属性，车辆上安装激光雷达设备，穿越120公里的轨迹，包含开放街道、住宅区、自然地形等。数据集提供了200小时的原始数据，涵盖城市环境中的各种场景，并提供了基于全球定位系统的地面实况位置和点云精炼。
This dataset comprises campus-scale and city-scale trajectories for long-term place recognition in mobile localization. The campus-scale trajectories focus on long-term characteristics, with LiDAR devices and omnidirectional cameras deployed on 10 routes, and each trajectory is repetitively recorded 8 times under different lighting conditions. The city-scale trajectories target large-scale characteristics: LiDAR devices are mounted on vehicles traversing a 120-kilometer trajectory covering various scenarios including open streets, residential areas, natural terrain, and more. The dataset provides 200 hours of raw data encompassing diverse urban environments, alongside GPS-based ground truth locations and point cloud refinement.
ALITA 数据集概述
数据集描述
ALITA 数据集由两个子数据集组成：
-
Urban Dataset（城市数据集）:
- 专注于城市环境中大规模区域的 LiDAR 地点识别。
- 收集了 50 条车辆轨迹，覆盖了匹兹堡的部分区域，包含多样化的环境。
- 每条轨迹至少在一个路口与其他轨迹重叠，有些轨迹甚至有多个重叠路口。
- 适用于 LiDAR 地点识别和多地图融合等任务。
-
Campus Dataset（校园数据集）:
- 专注于使用全方位摄像头在户外校园环境中进行 UGV 视觉定位。
- 收集了 80 条真实世界的 UAV 序列，使用配备 360 摄像头、Velodyne VLP-16 LiDAR、RealSense VIO 和 Xsens MTI IMU 的漫游机器人。
- 包含 10 条不同的轨迹，每条轨迹遍历 8 次，包括前进/后退方向和白天/黄昏光照条件。
数据格式
Urban Dataset
- CloudGlobal.pcd: 全局地图以点云数据（PCD）格式提供，包含每条轨迹的 3D 结构。
- Intra-sequence Odometry（poses.csv）: 关键姿态由 SLAM 生成并保存为里程信息，以 CSV 文件格式提供。
- Intra-trajectory Correspondences（correspondence.csv）: 两个共享重叠区域的轨迹中的姿态对应关系以 CSV 文件格式保存。
- GPS（gps.txt）: GPS 数据精度有限，仅用于可视化目的。
- Clouds: 基于全局地图和姿态生成的子地图，未直接提供，可通过提供的脚本生成。
- Raw Data: 原始数据以 ROS 包（rosbag）格式提供，包含 /imu/data 和 /velodyne_packets 两个 ROS 话题。
Campus Dataset
- CloudGlobal.pcd, Intra-sequence Odometry（poses_intra.csv）和 Clouds: 与 Urban Dataset 格式相同。
- Inter-sequence Odometry（poses_inter.csv）: 同一轨迹内的 8 条序列的姿态统一到同一全局坐标系，以 CSV 文件格式保存。
- Panoramas: 每个关键姿态对应的全景图片，分辨率为 1024 × 512，以 PNG 文件格式提供。
- Raw Data: 原始数据以 ROS 包（rosbag）格式提供，包含 /imu/data、/velodyne_points 和 /camera/image 三个 ROS 话题。
数据集发布
引用
如果您的研究中使用了此数据集，请按以下格式引用：
@misc{yin2022alita, title={ALITA: A Large-scale Incremental Dataset for Long-term Autonomy}, author={Peng Yin and Shiqi Zhao and Ruohai Ge and Ivan Cisneros and Ruijie Fu and Ji Zhang and Howie Choset and Sebastian Scherer}, year={2022}, eprint={2205.10737}, archivePrefix={arXiv}, primaryClass={cs.RO} }
- 1ALITA: A Large-scale Incremental Dataset for Long-term Autonomy · 2022年
