WildfireX-SLAM

WildfireX-SLAM是一个大型的低空RGB-D数据集，专为森林火灾SLAM和其他相关任务设计。该数据集由香港理工大学和深圳先进技术研究院的科研人员开发，基于Unreal Engine 5和AirSim平台，通过模拟森林火灾场景，收集了5.5k张低空RGB-D图像。数据集涵盖了多种环境因素，如火灾类型、天气和光照条件，为SLAM和相关任务提供了灵活可控的实验环境。此外，数据集还包含高保真的RGB、热成像和深度图像，以及真实相机姿态等运动数据，为森林火灾应急响应、森林测绘和群体感知等任务提供了丰富的数据支持。WildfireX-SLAM is a large-scale low-altitude RGB-D dataset specifically tailored for forest fire SLAM and other associated tasks. Developed by researchers from The Hong Kong Polytechnic University and Shenzhen Institute of Advanced Technology, it is constructed using Unreal Engine 5 and AirSim platforms, with 5.5k low-altitude RGB-D images collected via simulated forest fire scenarios. The dataset encompasses diverse environmental variables including fire types, weather conditions and lighting scenarios, offering a flexible and controllable experimental setup for SLAM and related tasks. Furthermore, it features high-fidelity RGB, thermal imaging and depth images, alongside motion data such as real camera poses, providing robust data support for tasks including forest fire emergency response, forest mapping and collective perception.

原始信息汇总

WildfireX-SLAM 数据集概述

数据集名称

WildfireX-SLAM: A Large-scale Low-altitude RGB-D Dataset for Wildfire SLAM and Beyond

发布信息

• 会议/年份: MMM 2026
• 作者单位:
  • 香港理工大学
  • 中国科学院深圳先进技术研究院

数据集特性

• 类型: 大规模合成数据集
• 应用场景: 野火SLAM、森林环境SLAM
• 数据规模:
  • 包含5,500张低空RGB-D航空图像
  • 覆盖森林地图总面积达16平方公里
• 数据内容:
  • 航空和地面视角数据
  • 真实相机位姿真值
  • 无人机多种数据模态
• 环境控制: 支持光照、天气、野火类型和条件等环境因素灵活控制

技术基础

• 开发工具: Unreal Engine 5 Electric Dreams环境样本项目
• 主要目标: 推动大规模森林场景的3D高斯溅射(3DGS)SLAM方法发展

应用价值

• 支持森林测绘、野火应急响应等实际应用
• 为3DGS-based SLAM在森林环境中的研究提供基准测试平台

获取方式

• 论文: arXiv
• 代码与数据集: 即将发布

许可信息

• 网站许可: Creative Commons Attribution-ShareAlike 4.0 International License

搜集汇总

数据集介绍

构建方式

在森林火灾应急响应领域，真实场景数据采集面临资源与安全限制。WildfireX-SLAM通过融合虚幻引擎5的Electric Dreams环境样本与M5 VFX Niagara火场模拟系统，构建了16平方公里的高保真森林火灾场景。借助改进的AirSim仿真平台，部署配备RGB-D相机的无人机群，以每秒3米速度执行探索式、目标搜索与扫描式飞行，同步记录30Hz的多模态数据与真实相机位姿，实现了动态火场环境下的自动化数据采集。

特点

该数据集以低空无人机视角捕捉大规模森林火灾场景，涵盖5.5千张航拍图像与热感、深度等多模态数据。其独特性在于可调控的环境参数体系，包括火焰蔓延速率、烟雾粒子密度、光照角度与雾浓度等变量，精准模拟了昼夜交替、气象变化对视觉感知的影响。相较于现有森林数据集，其融合了近地面与空中双重视角，并首次引入动态火场元素，为SLAM算法在非结构化环境中的鲁棒性研究提供了多维测试基准。

使用方法

研究者可通过数据集预设的基准场景开展SLAM算法验证，其中基准A聚焦火场存在性对定位精度的影响，基准B则通过四类挑战场景系统评估动态非刚性物体、光照条件与气象干扰等因素。利用提供的真实轨迹与多模态传感器数据，可量化分析相机位姿估计误差与地图重建质量，同时支持扩展至多智能体协同感知任务。数据集配套的虚幻引擎5框架允许自定义环境参数，为迁移至真实火灾应急场景提供仿真训练平台。

背景与挑战

背景概述

随着三维高斯泼溅技术在即时定位与地图构建领域的突破性进展，2025年由香港理工大学与中国科学院深圳先进技术研究院联合发布的WildfireX-SLAM数据集应运而生。该数据集聚焦于森林火灾应急响应场景，通过虚幻引擎5构建了16平方公里的高保真森林环境，集成动态火势模拟与多模态传感器数据，填补了复杂户外场景下SLAM研究的空白。其低空无人机视角与可控环境参数的设计，为森林管理与灾害防控提供了关键研究基础，推动了SLAM技术从结构化室内环境向动态自然场景的范式转移。

当前挑战

在领域问题层面，数据集需应对森林环境中纹理单调、结构特征稀疏及动态非刚性物体（如火焰、落叶）对SLAM定位精度的干扰，同时解决夜间低光照与雾霾天气导致的传感器退化问题。构建过程中面临真实火灾数据采集的高成本与安全限制，需通过合成数据生成技术平衡仿真真实性；多模态数据同步采集、动态环境参数控制以及大规模场景的存储计算优化亦构成核心挑战。

常用场景

经典使用场景

在森林火灾应急响应领域，WildfireX-SLAM数据集通过合成的大规模低空RGB-D图像序列，为3D高斯溅射SLAM算法提供了典型测试平台。其独特价值在于模拟动态火场环境中无人机协同作业场景，涵盖火焰扩散、烟雾干扰及多变光照条件，有效支撑了复杂自然场景下实时定位与地图构建算法的性能验证。

衍生相关工作

基于该数据集衍生的经典研究主要体现在三个方向：针对动态火场优化的3DGS-SLAM变体方法，通过引入时序动态建模提升了系统鲁棒性；结合热辐射特性的多模态融合导航框架，有效解决了烟雾遮挡下的定位漂移问题；受其可控环境机制启发发展的域自适应技术，显著提升了合成数据到真实场景的迁移性能，推动了野外SLAM技术的实用化进程。

数据集最近研究

最新研究方向

随着三维高斯溅射技术在同步定位与建图领域的突破性进展，WildfireX-SLAM数据集聚焦于大规模森林火灾场景下的动态环境感知研究。该数据集通过合成仿真技术构建了16平方公里的火灾环境，整合了低空无人机采集的多模态数据，包括RGB-D图像、热成像及精确相机位姿，为应对火灾应急响应中非刚性动态物体、重复性纹理及复杂光照条件等挑战提供了关键实验平台。当前研究重点探索基于3DGS的SLAM方法在动态火焰扩散、烟雾干扰及极端天气下的鲁棒性优化，同时推动多智能体协同导航算法在灾害场景中的实际应用，为森林管理与紧急救援任务提供了可扩展的验证基础。

相关研究论文

• 香港理工大学 · 2025年