Örebro 4D-radar SLAM Challenge Data
收藏资源简介：
该数据集是4D-radar SLAM挑战赛的训练和竞赛轨迹，由Örebro大学校园及其周边森林区域的两条轨迹组成，记录于2026年1月。数据集包含激光雷达、三个4D雷达传感器、GNSS参考、RGB相机和IMU。训练部分提供所有数据，竞赛部分仅提供雷达和IMU数据。
This dataset contains training and competition trajectories for the 4D-radar SLAM Challenge. Collected in January 2026, it includes two trajectories covering the Örebro University campus and its surrounding forest areas respectively. The dataset provides data from LiDAR, three 4D radar sensors, RGB cameras, GNSS reference data and an IMU. For the training subset, all recorded data is fully available, while only radar and IMU data are offered for the competition subset.
Örebro 4D-radar SLAM Challenge Data 数据集概述
数据集描述
该数据集是ICRA 2026会议“Radar in Robotics: New Frontiers”研讨会组织的4D雷达SLAM挑战赛的训练和竞赛赛道。数据集包含两条由Husky机器人记录的轨迹，穿越一片森林区域（约200x200米）和邻近的厄勒布鲁大学校园。数据记录于2026年1月。森林区域地形不平坦，因其曾在维京时代（公元550-1050年）作为墓地。校园部分的轨迹也涉及攀爬一些倾斜路径和斜坡地形。数据集包含激光雷达、三个4D雷达传感器、GNSS参考、RGB相机和IMU。在训练数据中，提供所有数据。在竞赛数据中，仅提供雷达和IMU数据。
数据集构成
公开训练部分
- 01_campus_training_localized (时长2257秒) 1.8公里长的轨迹，覆盖校园的自然和城市环境。其形状设计提供了多次回环闭合的机会。
隐藏测试部分
- 02_campus_eval_filtered (时长3813秒) 2.6公里长的轨迹，覆盖相同环境。同样允许多次回环闭合。此数据仅提供雷达和IMU数据。竞赛SLAM系统必须仅使用这两种模态进行定位和建图。
数据结构和文件组织
数据集根目录结构如下：
├── calibration │ ├── frames_overview.pdf │ ├── hugin_a4_radar_startup_params.txt │ └── static_tfs.launch.xml └── data ├── 01_campus_training_localized │ ├── gps │ │ └── ReachRoverO_solution_20260120122238.LLH │ ├── reference_map │ │ └── 01_map.ply │ └── rosbag │ └── 01_campus_training_localized │ ├── metadata.yaml │ └── racoon_2026_01_28_17h_34m_30s_[0-11].mcap └── 02_campus_eval_filtered └── rosbag └── 02_campus_eval_filtered ├── 02_campus_eval_filtered_[0-7].mcap └── metadata.yaml
rosbag/→ ROS2 Jazzy bagfile版本，使用mcap作为存储格式。gps/→ 来自Emlid Reach RS2+接收器的参考RTK轨迹。reference_map/→ 从GLIM SLAM包导出的参考激光雷达地图。该地图与Norlab ICP Mapper一起用于在训练数据中填充map→odom变换。calibration/→ 传感器坐标系之间的变换以及Hugin雷达设置。为方便起见，TF以ROS2启动文件形式提供。
传感器
数据集提供以下传感器的测量数据：
- Sensrad Hugin A4-Sample（固态4D雷达，三个单元覆盖3x90°）
- 传感器消息是点云，包含每个点的功率和多普勒值。
- 三个雷达传感器各自独立运行——点云并非同时触发。时间戳由雷达板载生成，基于与ROS驱动程序的初始同步。
- 注意：数据集中使用的Hugin A4-Sample雷达是演示版、预生产模型，其性能与即将推出的生产就绪模型不同。
- 话题：
/hugin_[1,2,3]/radar_data
- Leishen C32（3D激光雷达）
- 该传感器可用于调整和验证SLAM解决方案，但在竞赛数据中不可用。为方便起见，也提供了运动去偏点云。
- 话题：
/cx/lslidar_point_cloud,/cx/lslidar_point_cloud_deskewed
- Xsens MTi-30（IMU）
- 话题：
/imu/data,/imu/mag
- 话题：
- Emlid Reach RS2+（RTK-GNSS接收器对）
- 接收器话题（RTK模式）：
/emlid_gnss/fix,/emlid_gnss/nmea_sentence,/emlid_gnss/time_reference,/emlid_gnss/vel
- 接收器话题（RTK模式）：
- 与Xsens MTi-30 IMU融合的Husky里程计
- 话题：
/a200_1750/platform/cmd_vel（遥操作命令），/a200_1750/platform/odom（纯里程计），/imu_odom（融合的IMU-里程计）
- 话题：
- 相对于提供的参考点云地图的参考定位
- 话题：
/icp_odom（表示/base_link在/map中的位姿）
- 话题：
参考内容
数据集包含训练数据的参考定位：
gps/ReachRoverO_solution_20260120122238.LLH：参考GNSS RTK定位。机器人与GPS时间同步。此文件内容也以较低采样率复制在bag文件的/emlid_gnss/fix话题中。reference_map/01_map.ply：由GLIM SLAM生成的点云地图。尽管未使用GPS作为辅助源，但已验证此地图中的轨迹与RTK GPS对齐，误差低于10厘米。请注意，竞赛将根据RTK GPS进行评估。/icp_odom和/tf：参考激光雷达地图中的激光雷达定位。激光雷达定位在/tf话题中表示为map→odom变换。odom→base_link是用于参考激光雷达定位的IMU和轮式里程计融合。建议在开发竞赛用的基于雷达的里程计时过滤掉这两个变换。
数据下载
数据集可通过此存储库逐文件访问：https://cloud.oru.se/s/y8fLYsxfFRSoH4z 数据集使用7z工具压缩，请确保系统已安装该工具以进行解压。下载和解压存档需要57GB+65GB的可用硬盘空间。
致谢
参考地图使用GLIM构建，定位使用Norlab的ICP Mapper获得。 该数据集的工作得到了欧盟Horizon Europe框架计划下RaCOON项目（ID：101106906）的支持。
