sjtuyinjie/M3DGR

해결하는 문제

지상 로봇에서 "열악한 조건"에서 센서가 고장 나거나 신뢰할 수 없는 데이터를 제공할 때(예: 어두운 환경, 휠 슬립, LiDAR의 열악한 성능)에도 견고한 동시에 위치 추정 및 맵핑(SLAM)이 가능하도록 하는 필요성을 해결합니다.

작동 방식

본 프로젝트는 지상 SLAM 개선을 위한 세 가지 접근 방식을 제공합니다:

1. M3DGR 벤치마크: 어두움, 가림, LiDAR의 열악한 성능(복도, 엘리베이터), 휠 슬립(잔디, 험난한 도로), GNSS 비활성화 등 다양한 어려운 시나리오를 포함한 총 32개의 시퀀스로 구성된 포괄적인 데이터셋입니다.
2. Ground-Fusion++: 다양한 종류의 센서를 통합하여 개별 센서가 손상되더라도 위치 추정과 맵핑 품질을 유지할 수 있도록 하는 모듈식 SLAM 프레임워크입니다.
3. 포괄적인 평가: M3DGR 데이터셋을 기반으로 40개 이상의 최첨단 SLAM 방법을 평가하여 성능 기준을 설정합니다.

대상 사용자

SLAM 및 위치 추정 알고리즘을 개발하는 로봇 연구자 및 엔지니어를 위한 것입니다. 내구성과 센서 융합 능력을 테스트할 수 있는 표준화되고 도전적인 데이터셋이 필요하신 분들에게 적합합니다.

주요 특징

• 다양한 센서 구성: 듀얼 LiDAR(Livox Avia 및 MID-360), RGB-D 및 옴니디렉셔널 카메라, 휠 오도메트리, GNSS, RTK 포함.
• 체계적인 열악한 조건 촬영: 조명 변화, 동적 장애물, 험난한 지형 등 극한 상황을 테스트할 수 있도록 특별히 촬영된 데이터.
• 고정밀 참값: OptiTrack 모션 캡처, RTK, ArUco 마커를 사용하여 정확한 검증을 수행합니다.
• 풍부한 기준 비교 코드: 40개 이상의 다양한 SLAM 알고리즘에 대한 적응 코드를 제공하여 공정한 비교를 가능하게 합니다.