M2UD

M2UD数据集是由中国科学院沈阳自动化研究所等多个机构联合创建的多模态、多场景、不平地形机器人SLAM数据集。该数据集包含了58个序列，跨越12个类别，涵盖了城市、乡村、开阔地、长走廊、广场、地下停车场等多样化的挑战性环境，并在极端天气条件下进行了数据收集。数据集提供了通过RTK获得的平滑地面真实定位数据，以及用于定位和映射算法开发和评估的两个代表性场景的高精度毫米级激光扫描地图。The M2UD dataset is a multimodal, multi-scenario, uneven terrain robotic SLAM dataset jointly created by the Shenyang Institute of Automation, Chinese Academy of Sciences and multiple other institutions. This dataset comprises 58 sequences spanning 12 categories, covering a wide range of challenging environments including urban areas, rural regions, open fields, long corridors, squares, underground parking garages and more. Data collection was conducted under extreme weather conditions. The dataset provides smoothed ground-truth localization data obtained via RTK, alongside high-precision millimeter-level laser scan maps of two representative scenarios for the development and evaluation of localization and mapping algorithms.

搜集汇总

数据集介绍

构建方式

M2UD数据集通过两个特殊的地面机器人平台构建，这些平台配备了多通道LiDAR、RGB-D相机、高频IMU和GNSS传感器，以最大程度地模拟地面机器人的运动模式。数据采集覆盖了多种复杂环境，包括城市、乡村、开阔地带、长廊、广场、地下停车场等，并涵盖了极端天气条件如黑暗、烟雾、雪和灰尘。通过实时动态定位技术（RTK）获取平滑的地面真值定位数据，并使用高精度毫米级激光扫描仪获取两个代表性场景的地图真值，以支持定位和建图算法的开发与评估。

特点

M2UD数据集具有多模态、多场景、复杂地形的特点，包含58个序列，覆盖12种场景类型，总距离超过50公里。数据集不仅提供了RTK生成的平滑定位真值，还引入了考虑精度和效率的定位评估指标。此外，数据集还提供了两个代表性场景的高精度地图真值，支持建图算法的开发与评估。数据集还附带了一套开发工具包，包括数据转换、时间戳对齐、真值平滑等功能，增强了数据集的可用性。

使用方法

M2UD数据集可用于评估和开发地面机器人的同步定位与建图（SLAM）算法。研究人员可以使用数据集中的多传感器数据（LiDAR、相机、IMU、GNSS）进行算法测试，并通过RTK生成的定位真值和高精度地图真值进行性能评估。数据集提供的开发工具包支持数据格式转换、时间戳对齐和真值平滑等操作，便于研究人员快速上手。此外，数据集中的极端天气和复杂地形场景为算法的鲁棒性测试提供了丰富的挑战性环境。

背景与挑战

背景概述

M2UD数据集由中国科学院沈阳自动化研究所的研究团队于2025年提出，旨在为地面机器人提供多模态、多场景、复杂地形下的同步定位与建图（SLAM）评估基准。该数据集由Yanpeng Jia、Shiyi Wang、Shiliang Shao等研究人员主导开发，涵盖了城市、乡村、开放区域、长走廊、广场、地下停车场等多种复杂环境，并包含极端天气条件下的数据。M2UD的推出填补了现有地面机器人数据集在复杂运动和地形多样性方面的空白，推动了SLAM技术在地面机器人领域的应用与发展。

当前挑战

M2UD数据集面临的挑战主要体现在两个方面：首先，该数据集旨在解决地面机器人在复杂环境下的SLAM问题，尤其是如何在极端天气、动态场景和复杂地形中实现高精度的定位与建图。现有SLAM算法在开放区域、长走廊等退化场景中表现不佳，M2UD通过提供多样化的场景和极端条件数据，为算法的鲁棒性提出了更高要求。其次，数据集的构建过程中也面临诸多挑战，包括多传感器数据的精确同步与校准、复杂地形下的数据采集、以及如何在极端天气条件下保证数据质量。此外，M2UD还引入了新的定位评估指标，综合考虑了算法的精度与效率，进一步提升了数据集的实用性。

常用场景

经典使用场景

M2UD数据集广泛应用于地面机器人同步定位与建图（SLAM）算法的评估与开发。该数据集通过多传感器融合（包括LiDAR、IMU、RGB-D相机和GNSS），提供了多种复杂场景下的数据，如城市、乡村、开放区域、长走廊、地下停车场等。这些场景不仅涵盖了平坦地形，还包括了极端天气条件（如黑暗、烟雾、雪、灰尘等），为SLAM算法在真实环境中的鲁棒性测试提供了丰富的实验数据。

解决学术问题

M2UD数据集解决了现有地面机器人数据集在场景多样性和运动复杂性上的不足。传统数据集通常局限于平坦地形和有限的3自由度运动，而M2UD通过引入6自由度运动和极端天气条件下的数据，填补了这一空白。该数据集不仅为现有SLAM算法的性能评估提供了基准，还推动了更先进的SLAM算法的开发，特别是在复杂地形和动态环境中的应用。

衍生相关工作

M2UD数据集的发布催生了一系列相关研究工作，特别是在多传感器融合SLAM算法领域。基于该数据集，研究者开发了多种先进的SLAM算法，如LIO-SAM、FAST-LIO2等，这些算法在复杂地形和动态环境中表现出色。此外，M2UD还推动了SLAM算法在极端天气条件下的性能优化研究，为地面机器人在恶劣环境中的应用提供了技术保障。