SLABIM

SLABIM数据集是由香港科技大学提供的，耦合了SLAM和BIM的室内建筑数据集。该数据集包含了一个大学建筑的BIM模型和多个session的SLAM导向的传感器数据。这些数据经过时间戳标记和组织，能够有效支持用户部署和测试。数据集适用于注册、定位和语义映射等任务，有助于推动机器人导航和建筑信息模型领域的跨学科研究。

搜集汇总

数据集介绍

构建方式

SLABIM数据集的构建过程始于对香港科技大学主建筑的设计BIM模型的细致处理。首先，该模型被分解成每个楼层的单独BIM模型，以便于使用。随后，这些模型被转换为几何数据格式，如网格文件，以适应SLAM系统的需求。同时，为了便于机器人感知和导航，从BIM中提取了墙壁、地板、门和柱子等典型元素。数据集还包含了通过多传感器套件收集的多会话数据，这些数据是在建筑内部不同楼层和区域进行的。这些数据包括由鱼眼相机、3D激光雷达扫描仪和惯性测量单元收集的图像和点云数据，以及由实时定位系统提供的精确地理坐标。

使用方法

使用SLABIM数据集时，用户可以访问分解和转换后的BIM模型，以及通过多传感器套件收集的SLAM相关传感器数据。这些数据以标准格式提供，包括网格文件、点云数据、图像和定位数据。用户可以根据自己的需求选择使用原始数据或由SLAM系统生成的地图。此外，数据集还提供了详细的文档和示例代码，以帮助用户快速上手。用户可以利用这些数据来评估SLAM系统的性能，研究机器人导航技术，以及开发基于BIM的建筑自动化应用。

背景与挑战

背景概述

SLABIM数据集是在香港科技大学主楼中构建的，旨在耦合SLAM（同步定位与建图）和BIM（建筑信息模型）。该数据集由Haoming Huang等人设计，旨在填补现有室内SLAM数据集在建筑架构方面的空白。SLABIM数据集提供了BIM和SLAM导向的传感器数据，用于构建香港科技大学主楼的模型。该数据集的创建时间为2025年，由香港科技大学电子与计算机工程系的研究人员完成。SLABIM数据集对于相关领域的影响力在于，它是第一个开源的耦合SLAM和BIM的数据集，并通过三个实际任务（注册、定位和语义映射）验证了其有效性和实用性。

当前挑战

SLABIM数据集面临的挑战包括：1）领域问题挑战：SLAM和BIM的耦合需要解决不同模态数据之间的注册和匹配问题，以及如何利用BIM信息提高SLAM系统的定位和建图精度。2）构建过程中的挑战：数据集的构建需要收集多传感器数据，并进行多会话的映射和建模，这需要解决传感器数据的同步、融合和处理问题。此外，还需要将BIM模型分解和转换，以便于使用。

常用场景

经典使用场景

SLABIM数据集最经典的使用场景是在机器人导航和建筑信息模型（BIM）领域。该数据集提供了香港科技大学主楼的BIM模型和SLAM导向的传感器数据，为机器人提供了丰富的环境信息和导航依据。此外，SLABIM还支持机器人定位、路径规划和语义映射等任务，为移动机器人研究提供了宝贵的实验数据。

解决学术问题

SLABIM数据集解决了室内环境中机器人导航和建筑信息模型（BIM）融合的难题。传统的SLAM数据集往往缺乏建筑结构信息，而SLABIM则提供了BIM和SLAM导向的传感器数据，使得机器人能够利用建筑结构信息进行导航，从而降低了对高精度地图的依赖。此外，SLABIM还支持机器人定位、路径规划和语义映射等任务，为移动机器人研究提供了宝贵的实验数据。

实际应用

SLABIM数据集在实际应用场景中具有广泛的应用前景。例如，在建筑行业中，SLABIM可以帮助机器人进行施工自动化、质量评估和数字孪生生成等任务。此外，SLABIM还可以应用于室内导航、虚拟现实和增强现实等领域，为人们提供更加便捷和智能的服务。

数据集最近研究

最新研究方向

SLABIM数据集结合了SLAM和BIM技术，为室内定位与地图构建提供了新的研究方向。该数据集通过多传感器套件收集了香港科技大学主楼的SLAM数据，并将其与BIM模型相结合，实现了对室内环境的精确建模。SLABIM数据集的最新研究方向包括：1) 全局LiDAR-to-BIM配准：通过将LiDAR点云与BIM模型进行配准，实现了机器人对室内环境的全局定位；2) 机器人位姿跟踪：在BIM生成的3D点云地图上进行位姿跟踪，支持机器人的自主导航；3) 语义地图评估：利用BIM提供的语义标签，对室内环境进行语义地图构建和评估。SLABIM数据集的发布，为SLAM和BIM技术的融合研究提供了重要的数据基础，有助于推动机器人技术在建筑自动化领域的应用。

相关研究论文

• SLABIM: A SLAM-BIM Coupled Dataset in HKUST Main Building

  香港科技大学 · 2025年