[논문 리뷰] Boreas: A Multi-Season Autonomous Driving Dataset

Keenan Burnett, David J. Yoon외 10명|arXiv (Cornell University)|2022. 03. 18.

Robotics and Sensor-Based Localization인용 수 5

한 줄 요약

Boreas는 캐나다 토론토에서 350km에 걸쳐 수집된 대규모 다계절 자율주행 데이터셋으로, 모든 계절과 악천후 상황에서 고정밀 128빔 라이다, 360° 레이더, 5MP 카메라 데이터를 포함한다. 센서 간 보정된 고정밀 기준 자세 데이터와 실시간 랭킹을 제공하여 장기적 위치추정, 오도메트리, 3D 객체 탐지의 벤치마킹을 가능하게 한다.

ABSTRACT

The Boreas dataset was collected by driving a repeated route over the course of one year, resulting in stark seasonal variations and adverse weather conditions such as rain and falling snow. In total, the Boreas dataset includes over 350km of driving data featuring a 128-channel Velodyne Alpha Prime lidar, a 360$^\circ$ Navtech CIR304-H scanning radar, a 5MP FLIR Blackfly S camera, and centimetre-accurate post-processed ground truth poses. Our dataset will support live leaderboards for odometry, metric localization, and 3D object detection. The dataset and development kit are available at https://www.boreas.utias.utoronto.ca

연구 동기 및 목표

• 악천후 조건을 포함한 장기적, 다계절 자율주행 데이터셋의 부족을 보완한다.
• 실제 계절적 및 기상 변화 상황에서 인식 및 위치추정 시스템의 강건성 평가를 가능하게 한다.
• 라이다, 레이더, 카메라를 포함한 고정밀 다중 모odal 센서 세트를 제공하여 종합적인 시스템 벤치마킹을 지원한다.
• RTX 보정된 GNSS/IMU를 통한 글로벌 일관성과 센티미터 정확도의 기준 자세 데이터를 제공함으로써 장기적 위치추정 연구를 지원한다.
• 积雪 및 비와 같은 열악한 조건에서 시각, 라이다, 레이더 기반 파ip라인의 비교 분 析 를 가능하게 한다.

제안 방법

• 비가와 눈이 오는 상황을 포함한 모든 계절에 걸쳐 반복 노선을 기반으로 350km 이상의 주행 데이터를 수집하였다.
• Buick 차량에 128빔 Velodyne Alpha Prime 라이다, 360° Navtech CIR304-H 레이더, 5MP FLIR Blackfly S 카메라를 장착하였다.
• Applanix POS LV를 사용하여 RTX 보정을 적용한 GNSS, IMU, 휠 인코더 데이터를 후처리하여 센티미터 수준의 자세 정확도를 확보하였다.
• 맑은 날씨 조건에서 촬영한 7,100帧에 대해 320,000개의 3D 경계상자 레이블을 포함한 데이터셋을 제공하였다.
• 표준 평가 지표를 사용하여 오도메트리, 메트릭 위치추정, 3D 객체 탐지에 대한 실시간 개방형 랭킹을 구현하였다.
• 센서 데이터 접근, 운동 보정, 좌표계 변환, 3D 경계상자 시각화 기능을 포함한 파이썬 기반 개발킷을 개발하였다.

실험 결과

연구 질문

• RQ1 눈과 비와 같은 악천후 및 장기적인 계절 변화 조건에서 인식 및 위치추정 시스템의 성능은 어떻게 되는가?
• RQ2 카메라, 라이다, 레이더와 같은 다양한 센서 모odal이 계절 변화 및 열악한 기상 조건에서 얼마나 강건성을 유지하는가?
• RQ3 계절 변화로 인한 지도의 열악한 상태가 자율주행 시스템의 장기적 위치추정 정확도에 어떤 영향을 미치는가?
• RQ4 단일 모달 기반 접근 방식에 비해 다중 모달 센서 융합이 열악한 조건에서 강건성을 향상시키는가?
• RQ5 다양한 환경 조건에서 불확실성 추정의 일관성은 어떻게 유지되는가?

주요 결과

• Boreas 데이터셋은 눈과 비가 오는 상황을 포함한 모든 계절에 걸쳐 350km 이상의 주행 데이터를 포함한다.
• RTX 보정된 GNSS/IMU 데이터를 통한 센티미터 정밀도 기준 자세 데이터를 제공하여 고정밀 벤치마킹을 가능하게 한다.
• 맑은 날씨에서 촬영한 총 7,100帧에 대해 320,000개의 3D 경계상자 레이블이 포함된 데이터셋을 확보하였다.
• 오도메트리, 메트릭 위치추정, 3D 객체 탐지에 대한 실시간 랭킹을 지원하며, RMSE 및 일관성 점수를 사용한 표준 평가 지표를 적용한다.
• 개발킷을 통해 센서 데이터 접근, 운동 보정, 결과 시각화(3D 경계상자 투영 및 리 군 변환 포함)가 가능하다.
• 평가 프레임워크는 이동 및 회전 오차에 대한 RMSE와 불확실성 추정의 일관성 점수를 계산하며, 이상적인 값은 1에 가까운 편이다.