Warehouse und Industry Datasets

für Inside-Out-Positioniersysteme in Innenräumen

Warehouse und Industry Datasets

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

Datensatz Warehouse (Industry Scenario #1)

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.

 

 

Datensatz Industry Scenario #2:

Zur Datenaufnahme werden drei Weitwinkelkameras (170° Blickwinkel) auf derselben Plattform wie im Scenario #1 Datensatz platziert. Scenario #2 umfasst 14.955 Bilder von 1.280 x 720 Pixel.

Der Trainingsdatensatz repräsentiert eine horizontale zig-zag Bewegung. Der Testdatensatz enthält diagonale Bewegungen.

Training Datensatz
Test Datensatz

Datensatz Industry Scenario #3:

Für den Industry Scenario #3 Datensatz werden vier Weitwinkelkameras (170° Blickwinkel) auf einen Gabelstapler plaziert. Dieses Szenario umfasst insgesamt 5.853 Bilder von 1.280 x 720 Pixel.

Der Trainings- und Testdatensatz enthalten Bewegungen mit variierenden, schnellen und dynamischen Geschwindigkeiten.

Training Datensatz
Test Datensatz

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 diese beiden Artikel in Ihrer Veröffentlichung, wenn Sie auf unserem Warehouse-Datensatz beruhende Ergebnisse publizieren möchten.

- Link zu Paper 1

- Link zu Paper 2

 

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)

Ott, F.; Feigl, T.; Löffler, C.; Mutschler, C.: ViPR: Visual-Odometry-aided Pose Regression for 6DoF Camera Localization. In: Intl. Conf. on Computer Vision and Pattern Recognition Workshops (CVPRW), pp. 178-189, Seattle, CA, June 2020