Warehouse Dataset

für Inside-Out-Positioniersysteme in Innenräumen

Warehouse Dataset

Evaluierungskriterien für Machine Learning-basierte Inside-Out-Positioning Systeme in Innenräumen

Datensatz Warehouse

Mit unserem Datensatz Warehouse bieten wir für Ihre Indoor-Logistik eine solide Basis zur Entwicklung und Evaluierung von ML-basierten Positionier-Konzepten.

 

Der Datensatz erfasst eine Fläche von 1320 m² mit 464.804 RGB-Bildern von 640 x 480 Pixeln. Jedes Bild ist durch eine Submillimeterposition und eine unter 1 Grad genaue Richtungsangabe, für deren Erfassung wir ein iGPS-Referenzsystem von Nikon mit optischem Laser verwenden, eindeutig gekennzeichnet. Die Bilder werden aus verschiedenen Richtungen mit acht Kameras (Kalibrierung: Logitech C270) auf einer Plattform von 300 Millimetern Durchmesser aufgenommen. Der Abstand zwischen den Kameras beträgt dabei nur wenige Zentimeter; für die Kennzeichnung der Bilder wird der Abstand auskalibriert.

© Fraunhofer IIS
© Fraunhofer IIS
© Fraunhofer IIS

Der Datensatz enthält verschiedene Szenarien für eine detailgenaue Analyse von Positioning-Konzepten anhand der Evaluierungskriterien:

• Zu Übungszwecken wurden zwei Trajektorien durch die Lagerhalle aufgezeichnet.

Acht Trajektorien wurden zur Prüfung der einzelnen Evaluierungskriterien aufgezeichnet.

© Fraunhofer IIS

Horizontal and vertical training

© Fraunhofer IIS

Cross testing

© Fraunhofer IIS

Generalize open testing

© Fraunhofer IIS

Generalize racks testing

© Fraunhofer IIS

Motion artifacts testing

© Fraunhofer IIS

Large scale testing

© Fraunhofer IIS

Small scale testing

© Fraunhofer IIS

Scale transition testing

© Fraunhofer IIS

Volatility testing

Beschreibung des Datensatzes

Der Gesamtdatensatz ist in einen Übungs- und einen Prüfungs-Ordner gegliedert, die beide folgende Unterordner enthalten. Der jeweilige Teildatensatz ist als ZIP-Datei zum Herunterladen abgespeichert:

  Download Anzahl Bilder Dateigröße
Übungen      
Horizontal https://www2.iis.fraunhofer.de/IPIN/training/horizontal.tar.gz 98.343 5,9 GB
VertiKal https://www2.iis.fraunhofer.de/IPIN/training/vertical.tar.gz 101.092 5,9 GB
Prüfen      
Querfahrt https://www2.iis.fraunhofer.de/IPIN/testing/cross.tar.gz 12.375 1,1 GB
allgemein - offen https://www2.iis.fraunhofer.de/IPIN/testing/generalize_open.tar.gz 72.858 4,4 GB
allgemein - Regale https://www2.iis.fraunhofer.de/IPIN/testing/generalize_racks.tar.gz 54.915 3,7 GB
Bewegungsartefakte https://www2.iis.fraunhofer.de/IPIN/testing/motion_artifacts_forklift.tar.gz 16.967 1,3 GB
format - groß https://www2.iis.fraunhofer.de/IPIN/testing/large_scale.tar.gz 43.707 1,0 GB
format - klein https://www2.iis.fraunhofer.de/IPIN/testing/small_scale.tar.gz 14.458 2,7 GB
format - übergang https://www2.iis.fraunhofer.de/IPIN/testing/scale_transition.tar.gz 50.303 3,9 GB
Volatilität https://www2.iis.fraunhofer.de/IPIN/testing/volatility.tar.gz 17.158 1,9 GB
kamerakalibrierung https://www2.iis.fraunhofer.de/IPIN/camera_calibration.tar.gz    

 

Für jede Kamera in jedem Datensatz stellen wir eine Textdatei zur Verfügung, in der der Pfad zu den aufgenommenen Bildern, die betreffende Kamera sowie deren Position und Drehwinkel (Quaternion) genau angegeben werden. Die Dateistruktur entspricht folgendem Grundschema:

path/to/[image].jpg x_pos y_pos z_pos rot_w rot_p rot_q rot_r

Darüber hinaus stellen wir Matrizen für die Kalibrierung jeder der acht Kameras zur Verfügung. Die Matrizen sind zusammen mit weiteren Informationen zur Abbildung der Matrizen auf die Kameras in den ZIP-Ordnern für die Kamerakalibrierung enthalten.

 

Lizenzvereinbarung

Die Daten werden ausschließlich zur nichtkommerziellen Verwendung bereitgestellt. Für eine kommerzielle Verwertung der Daten setzen Sie sich bitte mit uns in Verbindung. Sie können unsere Veröffentlichung gerne in Ihren Arbeiten zitieren.

 

Zitation

Bitte zitieren Sie diesen Artikel in Ihrer Veröffentlichung, wenn Sie auf unserem Warehouse-Datensatz beruhende Ergebnisse publizieren möchten. LINK ZUM PAPER

 

Löffler, C.; Riechel, S.; Fischer, J.; Mutschler, C.Evaluation Criteria for Inside-Out Indoor Positioning Systems based on Machine Learning. In: IEEE (Hrsg.):  Proceedings of the 9th International Conference on Indoor Positioning and Indoor Navigation (9th International Conference on Indoor Positioning and Indoor NavigationNantes, France)., 2018, S. - (BibTeX)