ADVIO

ADVIO数据集由阿尔托大学计算机科学系创建，专注于视觉惯性里程计的实际应用。该数据集包含23个记录，总长度约4.5公里，涵盖室内外多种环境，如楼梯、自动扶梯、电梯等。数据收集使用iPhone 6s，包含RGB视频、加速度计、陀螺仪等传感器数据，以及高精度地面实况轨迹。数据集旨在促进智能手机和其他移动设备上视觉惯性里程计和SLAM方法的发展，解决现实世界中的定位和导航问题。The ADVIO dataset was created by the Department of Computer Science at Aalto University, targeting practical applications of visual-inertial odometry. It includes 23 recordings with a combined total length of approximately 4.5 kilometers, covering a wide range of indoor and outdoor environments such as stairs, escalators, elevators and more. The data was collected using an iPhone 6s, and encompasses RGB video footage, sensor data from accelerometers, gyroscopes and other on-board sensors, alongside high-precision ground-truth trajectories. This dataset is intended to advance the development of visual-inertial odometry and SLAM methods on smartphones and other mobile devices, addressing real-world localization and navigation challenges.

搜集汇总

数据集介绍

构建方式

在视觉惯性里程计领域，ADVIO数据集的构建采用了创新的多设备同步采集框架。研究团队设计了一个专用采集装置，将iPhone 6s、Google Pixel和Google Tango设备刚性固定，确保传感器数据的时空一致性。数据采集过程覆盖了购物中心、地铁站、办公楼及户外等多种真实场景，总里程达4.5公里。地面真值通过结合纯惯性导航算法与人工定位修正点生成，其中定位修正点基于外部参考视频和精确楼层平面图手动标注，有效解决了大范围环境中缺乏光学标记系统的难题。

特点

ADVIO数据集的核心特点在于其真实性与挑战性。所有数据均通过标准智能手机传感器采集，包含卷帘快门相机和MEMS惯性测量单元，这与消费级设备的硬件特性高度一致。数据集涵盖了室内外复杂环境，特别包含了楼梯、电梯和自动扶梯等垂直运动场景，以及视觉特征稀疏、临时遮挡等挑战性条件。其提供的六自由度姿态地面真值精度达到分米至米级，且同步提供了多源传感器原始数据，包括加速度计、陀螺仪、磁力计、气压计及平台位姿信息，为算法鲁棒性评估提供了全面基准。

使用方法

该数据集主要服务于视觉惯性里程计与SLAM算法的开发与评估。研究人员可利用其提供的原始传感器数据流，测试和比较不同位姿估计算法在真实场景下的性能。数据集已按序列组织，每个序列包含同步的时间戳、传感器读数及地面真值轨迹，支持直接加载与对齐。评估时，建议先将估计轨迹与地面真值进行时间对齐和平面刚体变换配准，随后采用绝对位置误差的累积分布函数等指标进行定量分析。数据集还可用于研究传感器标定、多模态融合及长时程导航等特定问题。

背景与挑战

背景概述

视觉惯性里程计（VIO）作为增强现实等应用的核心技术，其发展长期受限于缺乏真实且开放的基准数据集。ADVIO数据集由阿尔托大学与坦佩雷理工大学的研究团队于2018年联合创建，旨在解决手持设备在复杂环境中进行中长程位姿估计的评估难题。该数据集通过集成iPhone、Google Pixel及Tango设备，采集了涵盖商场、地铁站、办公楼及户外场景的4.5公里多模态传感器数据，并创新性地结合纯惯性导航与人工定位点生成高精度六自由度真值轨迹。ADVIO的发布为学术界提供了首个基于消费级智能手机传感器的标准化评测平台，显著推动了视觉惯性里程计在真实场景中的算法比较与性能优化。

当前挑战

ADVIO数据集致力于解决视觉惯性里程计在手持设备上面临的领域挑战，包括狭窄视场、低成本MEMS惯性传感器噪声、快速旋转运动以及复杂动态环境下的鲁棒性评估。在构建过程中，研究团队需克服多设备数据同步、跨场景真值标注以及传感器标定等难题。具体而言，在缺乏室内GPS信号的条件下，通过融合惯性导航与人工定位点生成可靠真值，需平衡标注精度与工程可行性；同时，为模拟真实使用场景，数据采集需涵盖电梯、扶梯、楼梯等垂直运动以及视觉特征稀疏的走廊区域，这对传感器数据的完整性与一致性提出了较高要求。

常用场景

经典使用场景

在视觉惯性里程计领域，ADVIO数据集为评估手持设备在真实复杂环境下的定位性能提供了经典基准。该数据集通过整合智能手机传感器数据与高质量六自由度地面真值，特别适用于测试算法在室内外多楼层场景中的鲁棒性。其序列涵盖了商场、地铁站、办公建筑等多种环境，包含楼梯、电梯、自动扶梯等典型运动模式，为研究视觉特征稀缺、快速旋转及临时遮挡等挑战性条件下的里程计性能提供了理想平台。

解决学术问题

ADVIO数据集有效解决了视觉惯性里程计研究中长期存在的基准缺失问题。它提供了基于消费级智能手机传感器的同步视觉与惯性数据，并辅以通过纯惯性导航结合人工位置修正生成的高精度地面真值。这一设计使得研究者能够公平比较不同算法的性能，分离硬件与软件因素的影响，并推动针对窄视场、低成本MEMS传感器的算法创新。该数据集尤其关注中长距离里程计评估，填补了现有数据集在手持设备真实使用场景下的空白。

衍生相关工作

基于ADVIO数据集，学术界衍生出一系列针对视觉惯性里程计的改进与评估工作。该数据集被广泛用于测试与比较ROVIO、PIVO等开源算法以及商用AR平台在真实挑战下的性能。其提供的传感器标定参数与多设备同步数据促进了传感器建模、在线校准及多模态融合方法的研究。此外，ADVIO的采集框架与地面真值生成方法也为后续数据集构建提供了技术参考，推动了面向消费级硬件的标准化评测体系发展。