Collaborative SLAM Dataset (CSD)

Collaborative SLAM Dataset (CSD) 是一个用于室内环境的手持设备数据集，提供姿态和地图信息，支持SLAM研究。

The Collaborative SLAM Dataset (CSD) is a handheld device dataset designed for indoor environments, providing pose and map information to support SLAM research.

原始信息汇总

数据集概述

数据集分类

按主题分类

• Odometry: 用于里程计基准的数据集。
• Mapping: 用于地图构建任务的数据集。
• Place Recognition: 提供地点对应关系（图像）的数据集。
• Localization: 用于度量级定位的数据集。
• Perception: 具有语义标签/对应关系的数据集。

按特征分类

• Large-scale: 城市级地图，公里级地图。
• Long-term: 多会话，长期数据收集。
• Map Complexity: 地图结构的变化。
• Extreme Condition: 极端环境，运动。

按平台分类

• Vehicle (Veh): 商用车辆（四轮道路车辆）。
• Mobile robot (Mob): 移动机器人（如Husky, Rover等）。
• Unmanned Aerial Vehicle (UAV): 无人机，包括无人机。
• Autonomous Underwater Vehicle (AUV): 水下机器人，包括ROV。
• Unmanned Surface Vehicle (USV): 水面车辆，如独木舟和船。
• Hand-held Device (Hand): 人类手持平台。

按环境分类

• Urban: 城市、校园、城镇和基础设施。
• Indoor: 室内环境。
• Terrain: 粗糙地形、地下、湖泊和农场。
• Underwater: 水下地板、洞穴。

数据集列表

Shortname	Affiliation	Year	Platform	Publication	Environment	GT-Pose	GT-Map	IMU	GPS	Labels	Lidar	Cameras	RGBD	Event	Radar	Sonar	DVL	Other
Collaborative SLAM Dataset (CSD)	Oxford	2018	Hand	TVCG/ISMAR	Indoor	O	O	O				O	O					Tango (Asus ZenFone AR)
ADVIO Dataset	Aalto U	2018	Hand	ECCV	Urban	O	O	O				O						iPhone, Tango, Pixel
DeepIO Dataset	Oxford	2018	Hand	Arxiv	Indoor	O		O
Aqualoc Dataset	ONERA-DTIS	2018	ROV	IROS WS	Underwater	O		O				O						Pressure Sensor
Rosario Dataset	CONICET-UNR	2018	Mob	IJRR (Under Review)	Terrain	O		O				O						Encoder
InteriorNet	Imperial College	2018	Hand	BMVC	Indoor	O	O	O		O		O	O	O				Texture, Lighting, Context, Optical Flow
SPO Dataset	TUM, Karlsruhe	2018	Hand	Arxiv	Urban	O						O						Plenoptic Camera
Complex Urban	KAIST-IRAP	2018	Veh	ICRA	Urban	O	O	O	O		O							Encoder
KAIST Day/Night	KAIST-RCV	2018	Veh	T-ITS	Urban	O		O	O	O	O	O						Thermal Camera
TUM-Visual-Inertial	TUM	2018	Hand	Arxiv	Indoor, Urban			O					O		O
Multi Vech Event	Upenn	2018	Veh	RA-L	Urban	O		O	O		O	O		O
VI Canoe	UIUC	2018	USV	IJRR	Terrain	O		O	O			O
MPO-Japan	ETH-RPG	2017	UAV / Hand	IJRR	Indoor	O		O				O		O
Underwater Cave	UDG	2017	AUV	IJRR	Underwater	O		O				O				O	O	Profiling Sonar
Robot @ Home	MRPT	2017	Mob	IJRR	Indoor	O	O			O	O		O					Semantic Labels
Zurich Urban MAV	ETH-RPG	2017	UAV	IJRR	Urban	O		O	O			O						Streetview images
Chilean Underground	Trimble	2017	Mob	IJRR	Terrain (Underground)	O					O	O			O			Encoder
SceneNet RGB-D	Imperial	2017	Hand	ICCV	Indoor	O				O			O
Symphony Lake	Georgia Tech	2017	USV	IJRR	Terrain (Lake)			O	O		O	O						PTZ camera, Longterm
Agricultural robot	Bonn	2017	Mob	IJRR	Terrain	O			O	O	O	O	O					Multispectral camera
Beach Rover	TEC-MMA	2017	Mob		Terrain	O		O	O		O	O	O					Encoder
EuRoC	ETH-ASL	2016	UAV	IJRR	Indoor	O	O	O				O
Cartographer	Google	2016	Hand	ICRA	Indoor			O			O	O
TUM-Mono	TUM	2016	Hand	Arxiv	Indoor, Urban										O			Photometric Calibration
Cityscape	Daimler AG	2016	Veh	CVPR	Urban	O			O	O		O
Solar-UAV	ETHZ	2016	UAV	CVPR	Terrain	O	O	O	O		O
CoRBS	DFKI	2016	Hand	WACV	Indoor	O	O						O
Oxford-robotcar	Oxford	2016	Veh	IJRR	Urban	O		O	O		O	O
NCLT	UMich	2016	Mob	IJRR	Urban	O		O	O		O							FOG
RPG-event	Kyushu U	2016	Veh	IROS	Urban, Terrain			O	O		O	O						FARO 3D
CCSAD	CIMAT	2015	Veh	CAIP	Urban			O	O			O
TUM-Omni	TUM	2015	Hand	IROS	Indoor, Urban							O
Augmented ICL-NUIM	Redwood	2015	Hand	CVPR	Indoor	O	O						O
Cambridge Landmark	Cambridge	2015	Hand	ICCV	Urban	O	O					O
ICL-NUIM	Imperial	2014	Hand	ICRA	Indoor	O	O						O
MRPT-Malaga	MRPT	2014	Veh	AR	Urban			O	O		O	O
KITTI	KIT	2013	Veh	IJRR	Urban	O		O	O	O	O	O
Canadian Planetary	UToronto	2013	Mob	IJRR	Terrain	O		O	O		O (sensor)	O
Microsoft 7 scenes	Microsoft	2013	Hand	CVPR	Indoor	O	O					O
SeqSLAM	QUT	2012	Veh	ICRA	Urban					O		O
ETH-challenging	ETH-ASL	2012	Hand	IJRR	Urban, Terrain			O	O		O	O	O
TUM-RGBD	TUM	2012	Hand / Mob	IROS	Indoor	O		O					O
ASRL-Kagara-airborne	UToronto	2012	UAV	FSR	Terrain			O	O			O
Devon Island Rover	UToronto	2012	Mob	IJRR	Terrain	O			O

搜集汇总

数据集介绍

构建方式

Collaborative SLAM Dataset (CSD) 是由牛津大学构建的，针对室内环境设计的，包含多个会话的数据集，每个会话都提供了位姿和地图信息。该数据集利用Tango（Asus ZenFone AR）设备进行数据采集，通过长时间的多个会话收集，构建了一个具有丰富动态变化和复杂环境的SLAM数据集。

使用方法

使用CSD数据集时，研究者可以通过GitHub页面获取数据集的完整版本。数据集以文件夹的形式组织，每个文件夹包含一个会话的数据。用户需要根据数据集提供的文档和格式说明来加载数据，通常包括位姿数据、地图数据、IMU数据等。数据集支持多种SLAM算法的训练和测试，用户可以根据自己的需求选择相应的数据类型和工具进行实验。

背景与挑战

背景概述

Collaborative SLAM Dataset (CSD)是由牛津大学的研究团队于2018年创建的数据集。该数据集的核心研究问题是实现室内环境下的协作同时定位与地图构建（SLAM）。CSD数据集采用手持设备（如Asus ZenFone AR）作为平台，提供了丰富的地图信息和位姿信息，对相关领域的研究和实践产生了显著影响。

当前挑战

在领域问题上，CSD数据集面临的挑战包括室内环境下的动态性和复杂性，这要求算法能够处理实时变化的环境和地图。在构建过程中，数据集的挑战主要体现在数据采集的连续性和准确性上，需要确保不同设备间的协作和同步，以及在长期数据采集中的稳定性。

常用场景

经典使用场景

Collaborative SLAM Dataset (CSD) 被广泛应用于室内环境下的协作同时定位与映射（SLAM）研究中，其提供了多个会话中多个设备收集的数据，为研究者提供了在真实世界条件下研究多机器人系统协同工作的宝贵资源。

解决学术问题

该数据集解决了多机器人系统中个体之间如何有效共享信息以实现更精确的定位和映射的问题，同时也为研究多机器人系统在动态环境中的交互和协同作业提供了实验基础。

实际应用

在实际应用中，CSD 数据集可用于开发室内导航系统、机器人协同作业系统以及智能仓库管理等，为机器人在复杂环境中的自主导航和任务执行提供了数据支持。

数据集最近研究

最新研究方向

Collaborative SLAM Dataset (CSD)近期研究方向主要集中于室内环境下的协同定位与建图。该数据集提供了多个会话的长期数据收集，支持研究人员进行多源数据融合、系统性能评估以及算法鲁棒性分析。其研究价值在于推动了SLAM技术在多机器人系统、增强现实以及室内导航等领域的应用。