SwiftBase

这是一个基于高频视觉测量的高速运动视觉惯性数据集。数据收集平台使用了两台IDS U3-3041le-REV高速相机和一个Parker 3DMGQ7-GNSS/INS IMU，保持相机采样频率在200Hz并压缩图像为灰度。IMU采样频率也是200Hz。该数据平台和数据集由西北工业大学自动化学院信息融合技术实验室构建和维护。

This is a high-speed motion visual-inertial dataset based on high-frequency visual measurement. The data collection platform utilizes two IDS U3-3041le-REV high-speed cameras and a Parker 3DMGQ7-GNSS/INS IMU, maintaining the camera sampling frequency at 200Hz and compressing the images to grayscale. The IMU sampling frequency is also 200Hz. This data platform and dataset were constructed and maintained by the Information Fusion Technology Laboratory at the School of Automation, Northwestern Polytechnical University.

原始信息汇总

数据集概述

名称： SwiftBase

目的： 用于高速运动场景中的视觉惯性定位（Visual-Inertial Localization）。

数据采集平台：

• 使用两台 IDS U3-3041le-REV 高速相机。
• 一台 Parker 3DMGQ7-GNSS/INS IMU。

技术规格：

• 相机采样频率：200Hz。
• 图像处理：灰度压缩。
• IMU 采样频率：200Hz。

数据格式： ROS bag。

数据处理： 包括数据时序检查、数据简化及平台校准。

实验场景：

• 研究室场景，提供稳定的照明和复杂特征环境。
• 使用手持设备收集数据。
• 实验室设计了针对极限运动的高速运动，使用悬挂绳和滚动滑轮实现高速旋转和滑动。

数据获取： 可通过 Google Drive 或 Baidu Netdisk 获取。

数据集详细信息

数据集序列

序列名称	持续时间（秒）	大小（MB）	距离（米）	ROSbag 链接	平移	旋转	GT 图像
low_trans	90	708	23.218	链接	低	无	图像
low_rot	113	798	12.485	链接	无	低	图像
low_comb	122	845	22.333	链接	低	低	图像
mid_trans	56.6	429	16.331	链接	中	无	图像
mid_rot	106	707	12.552	链接	无	中	图像
mid_trans_low_rot	59	356	7.603	链接	中	低	图像
low_trans_mid_rot	82	514	13.949	链接	低	中	图像
mid_trans_mid_rot	66	414	12.219	链接	中	中	图像
high_trans	79	550	11.185	链接	高	无	图像
high_rot	111	775	16.618	链接	无	高	图像
high_trans_low_rot	62	423	10.690	链接	高	低	图像
low_trans_high_rot	77	469	16.101	链接	低	高	图像
high_trans_mid_rot	56.9	315	16.020	链接	高	中	图像
mid_trans_high_rot	89	524	17.543	链接	中	高	图像
high_trans_high_rot	96	566	20.386	链接	高	高	图像
calibr	50	382	---	链接	---	---	---
calibr_result	---	5.00	---	链接	---	---	---

校准结果

• 文件名： calibr_result
• 大小： 5.00 MB
• 内容： 校准结果

引用格式

latex @inproceedings{SwiftBase, title={SwiftBase: A dataset based on high-frequency visual measurement for Visual-Inertial Localization in high-speed motion scenes}, author={Zhenghao Zou, Chunhui Zhao, Xirui Kao, Jiangbo Liu, HaoChen Chai and Yang Lyu}, booktitle={2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)}, pages={XX--XX}, year={2024}, organization={IEEE} }

搜集汇总

数据集介绍

构建方式

SwiftBase数据集的构建依托于高速视觉测量技术，旨在为高速运动场景下的视觉-惯性定位提供高质量数据。数据采集平台配备了两台IDS U3-3041le-REV高速相机和一台Parker 3DMGQ7-GNSS/INS惯性测量单元（IMU），相机采样频率为200Hz，图像以灰度压缩形式存储，IMU采样频率同样为200Hz。实验场景包括研究室的稳定光照环境和复杂特征环境，以及实验室设计的高速运动场景，通过手持设备和悬挂绳索、滚动滑轮实现高速旋转和滑动。数据经过时序检查、数据缩减和平台校准等必要处理，并以ROS bag格式提供。

特点

SwiftBase数据集的特点在于其高频率的视觉和惯性数据采集，能够显著提升特征跟踪能力，缓解高速运动导致的图像模糊问题。数据集包含多种运动模式，如低速、中速和高速的平移与旋转组合，为视觉-惯性SLAM算法提供了丰富的测试场景。此外，数据集还提供了由Optitrack运动捕捉系统生成的高精度地面真值数据，采样频率高达360Hz，确保了数据的准确性和可靠性。数据集的设计旨在挑战极端运动条件下的视觉-惯性定位问题，为相关研究提供了宝贵的实验资源。

使用方法

SwiftBase数据集的使用方法相对简便，用户可通过Google Drive或百度网盘获取数据。数据集以ROS bag格式存储，用户可直接在ROS环境中加载和使用。每个数据序列均附有详细的时间、大小、距离等信息，并提供了平移和旋转的标注。地面真值数据以图像形式展示，红色和绿色点分别表示起点和终点。用户可根据需求选择不同运动模式的数据序列进行实验，如低速平移、高速旋转等。此外，数据集还提供了校准结果文件，便于用户进行传感器校准和数据处理。

背景与挑战

背景概述

SwiftBase数据集由西北工业大学自动化学院信息融合技术实验室于2024年构建，旨在为高速运动场景下的视觉-惯性定位研究提供高质量数据支持。该数据集通过使用两台IDS U3-3041le-REV高速相机和一台Parker 3DMGQ7-GNSS/INS惯性测量单元（IMU），以200Hz的频率采集图像和惯性数据，并对图像进行灰度压缩处理。数据集的设计初衷是为了解决高速运动场景下视觉SLAM（同步定位与地图构建）的鲁棒性和精度问题，特别是在图像模糊和特征跟踪能力方面的挑战。SwiftBase的发布为相关领域的研究者提供了一个标准化的测试平台，推动了视觉-惯性定位技术在高速运动场景中的应用。

当前挑战

SwiftBase数据集在构建过程中面临多重挑战。首先，高速运动场景下图像模糊问题严重，影响了特征提取和跟踪的准确性，如何通过高频率视觉测量缓解这一问题成为核心挑战。其次，数据采集平台的设计需要确保高速相机与IMU的同步性，以避免数据时间戳不一致导致的误差。此外，实验场景的复杂性，如高速旋转和滑动，对数据采集设备的稳定性和精度提出了更高要求。最后，数据后处理阶段需要进行时间校准、数据压缩和平台校准等操作，以确保数据的可靠性和一致性。这些挑战不仅体现在数据集的构建过程中，也为后续的视觉-惯性定位算法研究提供了重要的测试场景。

常用场景

经典使用场景

SwiftBase数据集在高速运动场景下的视觉-惯性定位研究中具有重要应用。通过高频率的视觉测量和惯性测量单元（IMU）数据，该数据集为研究人员提供了在极端运动条件下进行视觉SLAM（同步定位与地图构建）的宝贵资源。其经典使用场景包括高速旋转、滑动等复杂运动模式下的定位与地图构建，为相关算法的鲁棒性和准确性提供了验证平台。

解决学术问题

SwiftBase数据集解决了高速运动场景下视觉SLAM算法面临的图像模糊、特征跟踪能力下降等关键问题。通过提供高频率的视觉和惯性数据，该数据集显著提升了算法在极端运动条件下的定位精度和鲁棒性。其数据采集平台和实验设计为研究高速运动下的视觉-惯性融合技术提供了坚实的基础，推动了该领域的学术进展。

衍生相关工作

SwiftBase数据集的发布催生了一系列相关研究工作，特别是在高速运动场景下的视觉-惯性定位算法优化方面。基于该数据集，研究人员提出了多种改进的视觉SLAM算法，如高频率特征跟踪、运动模糊补偿等技术。此外，该数据集还促进了视觉-惯性融合技术在无人机、自动驾驶等领域的应用研究，推动了相关技术的实际落地与推广。