MRCD: Mobile Robot Campus Dataset

欢迎使用MRCD数据集，这是一个专为户外移动轮式机器人设计的数据集，支持ROS2 Humble，旨在为现实世界户外环境中的定位、导航和感知算法开发和基准测试提供支持。数据集包含多种具有挑战性的户外序列，提供高质量的传感器数据，包括高清720p 30 FPS立体前视摄像头流、高分辨率视觉前视点云、高清720p 30 FPS单色深度+彩色地面摄像头流、3D旋转LiDAR、高质量IMU（原始加速度计、陀螺仪和磁力计数据）、轮式机器人的里程计、高精度GPS测量以及嵌入式离散和连续外部地面真值。此外，还包括全面的数据包（包含所有传感器模态和记录）、轻量级数据包（不包括视觉数据）、校园环境的高分辨率大比例尺先验地图以及一些ROS2 Humble SOTA SLAM算法。Welcome to the MRCD dataset, a dedicated dataset designed for outdoor mobile wheeled robots and compatible with ROS2 Humble. It aims to support the development and benchmarking of localization, navigation and perception algorithms in real-world outdoor environments. The dataset includes a variety of challenging outdoor sequences, and provides high-quality sensor data including 720p HD, 30 FPS stereo front-facing camera streams, high-resolution visual front point clouds, 720p HD, 30 FPS monochrome depth + color ground-facing camera streams, 3D rotating LiDAR, high-quality IMU with raw accelerometer, gyroscope and magnetometer data, wheeled robot odometry, high-precision GPS measurements, and embedded discrete and continuous external ground truth. Additionally, it also includes full datasets (covering all sensor modalities and recordings), lightweight datasets (excluding visual data), high-resolution large-scale prior maps of the campus environment, and several state-of-the-art (SOTA) SLAM algorithms compatible with ROS2 Humble.

原始信息汇总

MRCD: Mobile Robot Campus Dataset 概述

数据集简介

• 专为室外移动轮式机器人设计的ROS2 Humble数据集
• 支持定位、导航和感知算法的开发与基准测试
• 包含多种具有挑战性的室外场景序列

核心传感器数据

• 视觉传感器：
  • HD720 30 FPS立体前置摄像头流
  • HD720 30 FPS单目深度+彩色地面摄像头流
• 三维感知：
  • 高分辨率视觉前置点云
  • 3D旋转LiDAR
• 运动测量：
  • 高质量IMU（原始加速度计、陀螺仪和磁力计数据）
  • 轮式机器人里程计
• 定位系统：
  • 高精度GPS测量
  • 嵌入式离散和连续外部地面真值

数据集特点

• 完整数据包（包含所有传感器模态和记录）
• 轻量级数据包（不含视觉数据）
• 高分辨率大规模校园环境测量级先验地图
• 包含多种ROS2 Humble先进SLAM算法

相关资源

• 出版物：Arxiv
• 补充材料：Supplementary Material

贡献与反馈

• 开放数据集贡献渠道
• 可通过GitHub提交issue或参与discussion

搜集汇总

数据集介绍

构建方式

在移动机器人技术快速发展的背景下，MRCD数据集通过精心设计的实验方案构建而成。研究团队在校园环境中部署了配备多模态传感器的轮式机器人，系统采集了包括立体视觉、激光雷达、惯性测量单元及高精度GPS等在内的丰富数据流。数据采集过程严格遵循ROS2 Humble框架标准，确保了时间同步性和数据完整性，同时采用专业测绘技术构建了厘米级精度的校园先验地图作为基准参考。

特点

该数据集的核心价值在于其多传感器协同的异构数据体系。720P立体相机与深度相机构建了稠密的视觉感知层，3D激光雷达提供了精确的空间点云，工业级IMU与轮式里程计则形成了运动估计的双重保障。特别值得注意的是，数据集不仅包含原始传感器数据流，还提供了离散与连续两种形式的外部真值，这种设计极大拓展了算法验证的维度。数据集配套的轻量化版本更凸显了其在资源受限场景下的适用性。

使用方法

作为面向室外移动机器人的基准测试平台，MRCD数据集支持多种典型任务的算法开发。研究者可通过ROS2工具链直接读取bag文件，获取时间对齐的多模态数据流进行SLAM算法验证。先验地图可用于定位精度评估，而地面真值数据则为导航算法提供了可靠的性能度量标准。数据集特别设计了包含全部传感器数据的完整包与排除视觉数据的轻量包，用户可根据计算资源灵活选择测试方案。

背景与挑战

背景概述

MRCD（Mobile Robot Campus Dataset）是由SM20598研究团队推出的面向户外移动轮式机器人的开源数据集，旨在推动真实户外环境下的定位、导航与感知算法研究。该数据集构建于ROS2 Humble框架之上，通过集成多模态传感器数据（包括立体视觉、激光雷达、惯性测量单元及高精度GPS等），为算法开发与性能评估提供了丰富的实验素材。数据集的核心价值在于其覆盖了校园环境中具有挑战性的动态场景，弥补了现有户外机器人数据集在复杂地形与多变光照条件下的数据空白，对自主移动机器人领域的算法优化具有显著推动作用。

当前挑战

MRCD数据集致力于解决户外移动机器人在动态非结构化环境中的多传感器融合定位与导航难题，其核心挑战包括：传感器模态间的时间同步与空间标定精度不足导致的位姿估计偏差；复杂光照变化与动态障碍物干扰下的视觉特征提取稳定性；大规模点云数据实时处理带来的计算负载问题。在构建过程中，研究团队需克服多源异构传感器硬件集成、厘米级精度地面真值采集系统搭建，以及长期户外数据采集的环境不可控因素等多重工程挑战。

常用场景

经典使用场景

在移动机器人领域，MRCD数据集为室外轮式机器人的定位、导航和感知算法开发提供了丰富的实验素材。其高精度的传感器数据，包括立体视觉、激光雷达和惯性测量单元，使得研究人员能够在复杂的校园环境中测试和优化SLAM算法。数据集的多模态特性特别适合验证多传感器融合技术在动态户外场景中的鲁棒性。

实际应用

该数据集已成功应用于校园巡逻、货物运输等轮式机器人系统的实际开发。其高分辨率先验地图支持快速部署导航系统，而地面朝向相机数据为路径规划中的障碍物检测提供了关键输入。物流企业正利用这类数据优化最后一公里配送机器人的环境适应能力。

衍生相关工作

基于MRCD的基准测试已催生多项创新研究，包括抗光照变化的视觉定位系统和多源传感器标定方法。数据集提供的SOTA算法比较框架促进了基于深度学习的SLAM架构改进，相关成果发表在IROS等顶级会议。其标准化的评估流程正逐渐成为户外移动机器人研究的参考规范。