[论文解读] A Commute in Data: The comma2k19 Dataset

Harald Schäfer, Eder Santana+2 more|arXiv (Cornell University)|Dec 14, 2018

Anomaly Detection Techniques and Applications参考文献 11被引用 49

一句话总结

本文介绍 comma2k19，这是一个密集的、面向普通传感器的驾驶数据集，包含原始 GNSS 数据、摄像头和 CAN 日志，并提出 Laika，一个开源的 GNSS 处理器，在基线之上将定位精度提升约40%。它还为两种车辆设置提供紧耦合的 GNSS/INS/视觉全局位姿。

ABSTRACT

comma.ai presents comma2k19, a dataset of over 33 hours of commute in California's 280 highway. This means 2019 segments, 1 minute long each, on a 20km section of highway driving between California's San Jose and San Francisco. The dataset was collected using comma EONs that have sensors similar to those of any modern smartphone including a road-facing camera, phone GPS, thermometers and a 9-axis IMU. Additionally, the EON captures raw GNSS measurements and all CAN data sent by the car with a comma grey panda. Laika, an open-source GNSS processing library, is also introduced here. Laika produces 40% more accurate positions than the GNSS module used to collect the raw data. This dataset includes pose (position + orientation) estimates in a global reference frame of the recording camera. These poses were computed with a tightly coupled INS/GNSS/Vision optimizer that relies on data processed by Laika. comma2k19 is ideal for development and validation of tightly coupled GNSS algorithms and mapping algorithms that work with commodity sensors.

研究动机与目标

• 提供一个大规模、可重复的数据集，使用可负担的传感器，以在普通硬件上实现高性能定位与建图。
• 促进紧耦合的 GNSS、INS 与视觉融合方法及建图算法的开发与验证。
• 介绍 Laika，一种开源的 GNSS 处理库，并展示其对定位精度的影响。

提出的方法

• 使用 EONs 与 grey panda 日志记录、路面朝向摄像头、9 轴 IMU、CAN 数据和原始 GNSS 测量，在加州一段 20 公里高速公路上对两辆车收集数据。
• 使用 Laika 处理原始 GNSS 数据以生成改进的位置解。
• 使用紧耦合的 GNSS/INS/视觉优化器（基于 MSCKF）计算全局位姿，并在 ECEF 框架中提供带本地框架（基于 NED）的朝向的位姿。
• 使用基于重投影的雅可比矩阵和基于特征的线性化来估计 RMSE，从而量化高程与姿态误差。
• 通过对帧相对于平均的 ORB 特征重新定位，提出一个基于 EM 的简单姿态精细化，以演示潜在的修正。

实验结果

研究问题

• RQ1 dense 的、面向普通传感器的驾驶数据集如何支撑紧耦合 GNSS/INS/视觉算法的发展？
• RQ2 通过使用像 Laika 这样的开源库处理原始 GNSS 数据，可以在 GNSS 定位上实现哪些改进？
• RQ3 提供的全球位姿在位置（北向、东向、下向）和姿态（滚转、俯仰、偏航）方面的 RMSE 特征是什么？
• RQ4 如何通过基于视觉的改进来补充 GNSS/INS 的姿态估计以用于高速公路制图？

主要发现

• comma2k19 提供超过 33 小时的高速公路驾驶数据（Califonia），并以 2019 年的一分钟片段形式呈现，为建图研究提供密集观测。
• Laika 将定位误差与用于数据收集的基线 GNSS 模块相比降低约 40%。
• 全局位姿以 ECEF 提供，带本地框架定向；RMSE 估计为 North 0.6 m, East 0.6 m, Down 0.9 m（RAV4）和 1.3 m, 1.3 m, 2.0 m（Civic）；姿态 RMSE 对所有轴约为 0.20–0.25 度。
• 该数据集支持在普通硬件上开发紧耦合的 GNSS/INS/视觉融合和 HD-map 构建。
• 两种车辆设置（2016 Honda Civic 和 2017 Toyota RAV4）提供天线放置和传感器性能的变异性。