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.