1.KITTI:
1个彩色摄像头立体声对, 1个灰度摄像头立体声对, 1个64线激光雷达, 1个GPS/IMU
彩色和灰度相机相互靠近(约6厘米), 两种立体设备的基线约为54厘米. 我们选择这样的设置, 以便为左右相机, 可以提供颜色和灰度信息. 虽然彩色相机(显然)带有颜色信息, 但灰度相机图像具有更高的对比度和更少的噪声. 所有摄像机相对于Velodyne激光扫描仪均以约10 Hz的频率同步. 雷达采集数据时,是绕着竖直轴旋转扫描,只有当雷达旋转到与相机的朝向一致时会触发相机采集图像. 我们使用时直接使用官网给出的同步且校准后的数据即可,它已将雷达数据与相机数据对齐,也就是可以认为同一文件名对应的图像数据与雷达点云数据属于同一个场景.
同步:
为了同步传感器, 使用激光雷达的时间戳作为参考, 并考虑每一个自旋作为一帧. 在激光雷达扫描仪的底部安装了一个簧片触点, 当连续旋转的激光雷达旋转到与相机的朝向一致时,触发相机采集图像.这最小化了动态对象在范围和图像观测上的差异.
2. All-Day Visual Place Recognition
2个灰度相机,一个透视相机。一个热成像,一个GPS
触发:热相机提供一个外部同步通道,我们将热相机设置为主相机,将两个可见相机设置为从相机
3. CCSAD
双目相机,IMU,GPS
在汽车的SAE J1962 OBD-II端口上附加了一个基于ELM-327芯片的蓝牙接口。采用移动工作站和NI sbRIO-9632嵌入式实时控制器进行数据采集和记录。
4. Málaga urban dataset
记录了八个传感器的数据:一个立体摄像机、五个激光扫描仪、一个惯性测量装置(IMU)和一个全球定位系统(GPS)接收器
使用了数据记录器应用程序rawlog grabber,正如我们对以前的数据集所做的那样(Blanco等人,2009)。这个程序为每个传感器启动一个线程。然后,每条线将感觉数据分割成相应的自然离散片段(称为观察),例如激光扫描仪的完整二维扫描,并用时间戳标记它们。由于我们的系统不在实时操作系统上运行,我们必须确保没有丢失任何观察结果,方法是为每个线程创建一个先进先出(FIFO)队列,然后将它们的所有输出合并到一个线程安全的时间戳排序队列中,该队列被定期推送到二进制rawlog文件中。与其他纯文本格式相比,我们选择二进制日志文件是因为它们的带宽效率