DeepLoc

DeepLoc 是一个大规模的城市户外定位数据集。该数据集目前由一个跨越 110 x 130 m 区域的场景组成，机器人以不同的驾驶模式多次穿越。数据集创建者使用基于 LiDAR 的 SLAM 系统，具有亚厘米和亚度的精度来计算提供作为 groundtruth 的姿势标签。数据集中的姿势大约间隔 0.5 m，是其他重定位数据集的两倍密集。
此外，对于每张图像，数据集创建者为十个类别提供像素级语义分割注释：背景、天空、道路、人行道、草、植被、建筑、杆和栅栏、动态和虚空。数据集分为火车和测试拆分，火车集包括七个循环，具有交替的驾驶风格，共计 2737 张图像，而测试集包括三个循环，总共 1173 张图像。该数据集还包含全球 GPS/INS 数据和 LiDAR 测量值。
该数据集对于基于视觉的应用程序（例如全局定位、相机重定位、语义分割、视觉里程计和闭环检测）可能非常具有挑战性，因为它包含大量照明、天气变化、重复结构、反射和透明玻璃建筑物。

搜集汇总

背景与挑战

背景概述

DeepLoc是一个大规模城市户外定位数据集，覆盖110x130米区域，提供亚厘米级精度的姿态标签和十类像素级语义分割注释。数据集包含训练集2737张图像和测试集1173张图像，适用于视觉定位、语义分割等任务，并涵盖了光照、天气等多种环境变化。