論文の概要: Odyssey: An Automotive Lidar-Inertial Odometry Dataset for GNSS-denied situations

• arxiv url: http://arxiv.org/abs/2512.14428v1
• Date: Tue, 16 Dec 2025 14:17:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.381922
• Title: Odyssey: An Automotive Lidar-Inertial Odometry Dataset for GNSS-denied situations
• Title（参考訳）: Odyssey: GNSS-denied状況のための自動車用ライダー-慣性オドメトリーデータセット
• Authors: Aaron Kurda, Simon Steuernagel, Lukas Jung, Marcus Baum,
• Abstract要約: Odysseyはトンネルや駐車場など、表現の浅い環境に焦点を当てたデータセットである。 我々の地上の真実は、リングレーザージャイロスコープ(RLG)を搭載したナビゲーショングレードの慣性航法システム(INS)から導かれる。 これにより、Odysseyは、RCGベースのINSを備えた最初の公開データセットとなる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The development and evaluation of Lidar-Inertial Odometry (LIO) and Simultaneous Localization and Mapping (SLAM) systems requires a precise ground truth. The Global Navigation Satellite System (GNSS) is often used as a foundation for this, but its signals can be unreliable in obstructed environments due to multi-path effects or loss-of-signal. While existing datasets compensate for the sporadic loss of GNSS signals by incorporating Inertial Measurement Unit (IMU) measurements, the commonly used Micro-Electro-Mechanical Systems (MEMS) or Fiber Optic Gyroscope (FOG)-based systems do not permit the prolonged study of GNSS-denied environments. To close this gap, we present Odyssey, a LIO dataset with a focus on GNSS-denied environments such as tunnels and parking garages as well as other underrepresented, yet ubiquitous situations such as stop-and-go-traffic, bumpy roads and wide open fields. Our ground truth is derived from a navigation-grade Inertial Navigation System (INS) equipped with a Ring Laser Gyroscope (RLG), offering exceptional bias stability characteristics compared to IMUs used in existing datasets and enabling the prolonged and accurate study of GNSS-denied environments. This makes Odyssey the first publicly available dataset featuring a RLG-based INS. Besides providing data for LIO, we also support other tasks, such as place recognition, through the threefold repetition of all trajectories as well as the integration of external mapping data by providing precise geodetic coordinates. All data, dataloader and other material is available online at https://odyssey.uni-goettingen.de/ .
• Abstract（参考訳）: LIO(Lidar-Inertial Odometry)とSLAM(Sultaneous Localization and Mapping)システムの開発と評価には,正確な基礎的真理が必要である。 グローバル・ナビゲーション・サテライト・システム(GNSS)は、しばしばこの基盤として使用されるが、その信号はマルチパス効果や信号の喪失によって妨害された環境では信頼性が低い。 既存のデータセットは慣性測定ユニット(IMU)の測定を組み込むことでGNSS信号の散発的損失を補うが、一般的に使用されるマイクロ・エレクトロ・メカニカル・システム(MEMS)やファイバ・光学ジャイロスコープ(FOG)ベースのシステムは、GNSSが検出した環境の長期の研究を許さない。 このギャップを埋めるために、私たちはトンネルや駐車場などのGNSSが定義した環境や、ストップ・アンド・ゴ・ゴ・ゴ・ゴ・ゴ・トレーフィック道路や広いオープンフィールドといった、広く普及していない状況に焦点を当てたLOOデータセットであるOdysseyを紹介します。 我々の地上の真実は、リングレーザージャイロスコープ(RLG)を装備したナビゲーショングレードの慣性航法システム(INS)から導き出されており、既存のデータセットで使用されるIMUと比較して、例外的なバイアス安定性特性を提供し、GNSSの環境の長期的かつ正確な研究を可能にしている。 これにより、Odysseyは、RCGベースのINSを備えた最初の公開データセットとなる。 LIOのためのデータの提供に加えて、すべての軌道の3倍繰り返し、正確な測地座標を提供することで外部マッピングデータの統合を通じて、位置認識などの他のタスクもサポートする。 すべてのデータ、データローダ、その他の素材は、https://odyssey.uni-goettingen.de/でオンラインで入手できる。

関連論文リスト

• From Indoor to Open World: Revealing the Spatial Reasoning Gap in MLLMs [65.04549036809557]
  我々は、ステレオカメラ、LiDAR、IMU/GPSセンサーで撮影された歩行者の視線映像から構築したベンチマークを紹介する。 このデータセットは、計量的に正確な3D情報を提供し、空間的推論質問の自動生成を可能にする。 評価の結果、構造化屋内ベンチマークで観測された性能向上は、オープンワールド環境では消滅することが明らかとなった。
  論文  参考訳（メタデータ） (2025-12-22T18:58:12Z)
• Evaluation of (Un-)Supervised Machine Learning Methods for GNSS Interference Classification with Real-World Data Discrepancies [36.738256927742526]
  自動車のローカライゼーションは、自動運転車、有料システム、デジタルタコグラフなどのアプリケーションに不可欠である。 正確な位置決めを実現するために、車両は通常、グローバルナビゲーション衛星システム(GNSS)受信機を使用して絶対位置を検証する。 機械学習(ML)に基づく最近のアプローチは、監視干渉において優れた性能を示している。 我々は,MLに基づく最新の教師付き手法の評価を行い,実環境におけるその性能について報告する。
  論文  参考訳（メタデータ） (2025-03-31T06:51:52Z)
• Multimodal-to-Text Prompt Engineering in Large Language Models Using Feature Embeddings for GNSS Interference Characterization [2.469551405169408]
  大規模言語モデル(LLMs)は、NLP、情報検索、レコメンデーションシステムなど、さまざまな領域にまたがる高度なAIシステムである。 干渉監視は 道路上の車両の 位置決めの信頼性を確保するために 不可欠だ 我々のパイプラインは干渉分類タスクにおいて最先端の機械学習モデルより優れています。
  論文  参考訳（メタデータ） (2025-01-09T09:01:04Z)
• GPS-IMU Sensor Fusion for Reliable Autonomous Vehicle Position Estimation [0.0]
  慣性測定ユニット(IMU)は加速度や回転の変化などの相対的な運動情報を提供する。 GPSとは異なり、IMUは外部の信号に頼らず、GPSで識別された環境で有用である。 GPSとIMUを融合させることは、自動運転車のナビゲーションシステムの信頼性と精度を高めるために重要である。
  論文  参考訳（メタデータ） (2024-05-13T19:05:36Z)
• A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
  様々な動物が環境の手がかりを使って正確なナビゲーションをしている。 動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。 提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
  論文  参考訳（メタデータ） (2024-02-06T13:20:56Z)
• Extending RAIM with a Gaussian Mixture of Opportunistic Information [1.9688858888666714]
  元の受信機自動整合性監視(RAIM)は安全のために設計されていない。 我々は、地上インフラや搭載センサーから得られるすべての機会情報、すなわち計測情報を組み込むことでRAIMを拡張した。 本研究の目的は,拡張RAIM溶液から得られる位置を解析し,スプーフィングの可能性を評価することである。
  論文  参考訳（メタデータ） (2024-02-05T19:03:18Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and On-Device Inference [49.88536971774444]
  慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。 正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。 我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
  論文  参考訳（メタデータ） (2020-01-13T04:41:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。