V4RL Urban Place Recognition Dataset

该数据集提供专为地点识别应用录制的户外序列，使用飞行和手持设备两种设置。数据集公开发布于2018年IEEE国际机器人与自动化会议论文中，主要用于无人机导航中的视角容忍地点识别，结合2D和3D信息。

This dataset provides outdoor sequences specifically recorded for place recognition applications, utilizing both aerial and handheld device setups. The dataset was publicly released in a paper at the 2018 IEEE International Conference on Robotics and Automation, primarily intended for viewpoint-tolerant place recognition in drone navigation, integrating both 2D and 3D information.

原始信息汇总

V4RL Urban Place Recognition Dataset

数据集描述

• 用途：专为地点识别应用设计，包含飞行和手持设备录制的户外序列。
• 论文：该数据集与论文"Viewpoint-tolerant Place Recognition combining 2D and 3D information for UAV navigation"相关联，发表于2018年IEEE国际机器人与自动化会议(ICRA)。

Shopping Street 1 & 2 Dataset

数据集描述

• 录制方式：使用手持设备，摄像头垂直于行进方向（横向）录制繁忙购物街的场景。
• 特点：
  • Shopping Street 1：传感器位于眼平高度，视角变化小，存在感知混淆和场景外观变化。
  • Shopping Street 2：传感器安装在4米长杆顶部，从不同视角捕捉与Shopping Street 1相同的街道部分。
• 挑战：由于录制间隔时间较长，场景外观发生显著变化，包括餐厅和商店窗户的不同配置。

数据集详情

• Shopping Street 1 Sequence 1：
  • Bagfile
  • Youtube
• Shopping Street 1 Sequence 2：
  • Bagfile
  • Youtube
• Shopping Street 2：
  • Bagfile
  • Youtube

地面实况

• Shopping Street 1：
  • 参考数据集：Shopping Street 1 sequence 1
  • 查询数据集：Shopping Street 1 sequence 2
• Shopping Street 1 & 2：
  • 参考数据集：Shopping Street 1 sequence 1
  • 查询数据集：Shopping Street 2

UAV dataset

数据集描述

• 录制方式：使用安装在AscTec Neo UAV底部的视觉惯性传感器，在住宅街道上进行前向配置的横向移动录制。
• 特点：展示感知混淆、视角变化大和光照条件困难。

数据集详情

• UAV dataset Sequence 1：
  • Bagfile
  • Youtube
• UAV dataset Sequence 2：
  • Bagfile
  • Youtube

校准参数

• 传感器：VI-Sensor
• 校准工具：ETHZ ASL Kalibr
• 参数详情：包括T_SC变换、图像尺寸、畸变系数、焦距和主点位置。

搜集汇总

数据集介绍

构建方式

V4RL Urban Place Recognition Dataset乃针对场所识别应用特别录制的户外序列，综合运用飞行与手持设备采集数据。该数据集的构建基于两项技术设置，旨在通过不同的视角捕捉同一场景，以便于无人机导航中的场所识别研究。数据采集过程中，充分考虑了视点容忍度，并结合二维与三维信息，形成了具备高度实用价值的数据集。

特点

该数据集的特点在于其视角的多样性与时间跨度的变化性。不仅场景从不同视角进行了 revisit，而且由于录制时间间隔较长，场景的外观发生了显著变化，如餐馆和商店窗户的配置、遮阳篷的开闭、橱窗展示及商店标识的变化等。此外，数据集中的部分序列在光照条件上存在较大差异，为场所识别带来了额外的挑战。

使用方法

使用该数据集时，用户需依据提供的bag文件和校准参数进行操作。数据集包含了手工标注的基准数据，以便于用户进行场所识别算法的训练与评估。用户在利用数据集时应遵循相关引用规范，正确引用相关论文，以尊重数据集创作者的知识产权和劳动成果。

背景与挑战

背景概述

V4RL Urban Place Recognition Dataset是一款专为无人机导航中的场景识别应用而设计的户外序列数据集。该数据集由Fabiola Maffra、Zetao Chen和Margarita Chli等研究人员制作，并于2018年IEEE国际机器人与自动化会议（ICRA）上发表了相关论文《Viewpoint-tolerant Place Recognition combining 2D and 3D information for UAV navigation》。该数据集的构建旨在推动无人机在复杂城市环境中的定位与导航能力，通过结合二维与三维信息，实现视点容忍的场景识别，对相关领域产生了显著影响。

当前挑战

该数据集在构建过程中面临的挑战主要包括：1）场景变化的处理，由于录制时间间隔较长，导致场景外观发生显著变化，如商店门面、橱窗展示和店名标志的改变；2）视点变化的处理，数据集中的场景不仅从非常不同的视点被重访，而且光照条件的变化也使得即使是人类也很难识别出是同一地点的重访；3）数据集标注的准确性，需要精确标注参考序列和查询序列，以确保场景识别算法的评估准确性。

常用场景

经典使用场景

V4RL Urban Place Recognition Dataset数据集特别适用于无人机导航中的场景识别应用。该数据集包含室外飞行和手持设备录制的序列，旨在通过结合二维和三维信息，实现视角容忍的场景识别。其经典使用场景包括无人机在城市环境中的定位与导航，以及不同视角下场景的识别与重现。

解决学术问题

该数据集解决了学术研究中场景识别的视角容忍性问题，以及由于时间间隔导致的场景外观变化识别难题。其提供的丰富的场景变化，如商店门面和橱窗的变换，为研究提供了极具挑战性的测试案例，进而推动了场景识别算法的发展和优化。

衍生相关工作

基于该数据集，衍生出了一系列相关工作，如场景识别算法的改进、无人机视觉系统的优化以及城市环境下的三维重建等。这些研究不仅提升了无人机导航的准确性和可靠性，也为城市环境监测和灾害响应等领域提供了新的技术支持。