Collaborative SLAM Dataset (CSD)

该数据集与我们的ISMAR 2018论文相关，专注于协同大规模密集3D重建。数据集包含4个不同的子集 - Flat, House, Priory和Lab，每个子集包含多个可以相互成功重定位的不同序列。每个序列使用Asus ZenFone AR增强现实智能手机以5Hz捕获，产生224x172分辨率的深度图像和1920x1080分辨率的彩色图像。数据集提供了原始和调整大小的图像、传感器校准参数、每帧的6D相机姿态以及每个序列运行我们的方法时优化的全局姿态。此外，还提供了每个序列的预构建网格，预先转换为其优化的全局姿态，以便将每个子集的序列加载到MeshLab或CloudCompare中，使用共同的坐标系统。

This dataset is associated with our ISMAR 2018 paper, focusing on collaborative large-scale dense 3D reconstruction. The dataset comprises four distinct subsets - Flat, House, Priory, and Lab, each containing multiple sequences that can be successfully relocalized with respect to each other. Each sequence was captured at 5Hz using an Asus ZenFone AR augmented reality smartphone, producing depth images at a resolution of 224x172 and color images at 1920x1080. The dataset provides both original and resized images, sensor calibration parameters, 6D camera poses for each frame, and globally optimized poses when our method is applied to each sequence. Additionally, pre-built meshes for each sequence, pre-transformed to their optimized global poses, are provided to facilitate loading the sequences of each subset into MeshLab or CloudCompare using a common coordinate system.

原始信息汇总

数据集概述

数据集名称

Collaborative SLAM Dataset (CSD)

数据集内容

• 子集: 包含四个不同的子集，分别是Flat, House, Priory, 和 Lab。
• 序列: 每个子集包含多个序列，这些序列可以相互成功地重新定位。
• 图像: 使用Asus ZenFone AR智能手机捕捉，深度图像分辨率为224x172，彩色图像原始分辨率为1920x1080，但为了加快加载速度，彩色图像被调整为480x270。
• 附加信息: 提供深度和彩色传感器的校准参数，每帧的6D相机姿态，以及每个序列优化后的全局姿态。
• 预构建网格: 每个序列的预构建网格，已通过其优化后的全局姿态进行预转换，以便在MeshLab或CloudCompare中使用统一的坐标系统。

数据集用途

用于支持ISMAR 2018论文中的协同大规模密集3D重建研究。

引用信息

若使用此数据集进行研究，请引用以下论文：

@article{Golodetz2018, author = {Stuart Golodetz* and Tommaso Cavallari* and Nicholas A Lord* and Victor A Prisacariu and David W Murray and Philip H S Torr}, title = {{Collaborative Large-Scale Dense 3D Reconstruction with Online Inter-Agent Pose Optimisation}}, journal = {TVCG (ISMAR Special Issue)}, year = {2018} }

许可证

数据集根据CC-BY-SA许可证发布，详情请参阅https://creativecommons.org/licenses/by-sa/4.0/legalcode。

搜集汇总

数据集介绍

构建方式

Collaborative SLAM Dataset (CSD) 的构建基于Asus ZenFone AR增强现实智能手机，以5Hz的频率捕获深度图像和彩色图像。深度图像的分辨率为224x172，彩色图像的分辨率为1920x1080。为了提升数据加载速度，彩色图像被调整为480x270的分辨率。数据集包含四个子集：Flat、House、Priory和Lab，每个子集包含多个序列，这些序列能够相互重新定位。此外，数据集还提供了深度和彩色传感器的校准参数、每帧的6D相机姿态以及优化后的全局姿态。

特点

CSD数据集的特点在于其多样性和完整性。数据集不仅提供了原始的深度和彩色图像，还包含了调整后的图像版本，以适应不同的计算需求。每个序列的优化全局姿态和预构建的网格使得数据能够在MeshLab或CloudCompare中以统一的坐标系加载。这种设计使得数据集在协作大规模密集3D重建研究中具有高度的实用性和灵活性。

使用方法

使用CSD数据集时，首先需要下载数据集并安装SemanticPaint。通过运行全局重建脚本或协作重建脚本，用户可以生成单个序列的RGB-D帧或进行协作重建。数据集的使用方法详细记录在安装指南中，用户可以根据需要选择下载完整尺寸的序列或调整后的序列。此外，数据集的使用需遵循CC-BY-SA许可协议，确保在引用时注明相关研究论文。

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年发布的一个专注于协作式大规模密集三维重建的数据集。该数据集旨在解决多智能体在未知环境中协同进行实时定位与地图构建（SLAM）的问题，特别是在增强现实（AR）和机器人领域的应用。数据集包含四个不同的子集：Flat、House、Priory和Lab，每个子集包含多个序列，这些序列能够相互重新定位。数据采集使用了Asus ZenFone AR智能手机，提供了深度图像和彩色图像，并附带了传感器的校准参数、每帧的6D相机姿态以及优化后的全局姿态。该数据集为研究多智能体协同SLAM提供了重要的实验基础，推动了相关领域的研究进展。

当前挑战

CSD数据集在解决多智能体协同SLAM问题时面临的主要挑战包括：如何在动态环境中实现高效的多智能体姿态优化，以及如何确保不同智能体采集的数据能够无缝融合。在数据构建过程中，研究团队需要处理高分辨率图像和深度数据的存储与处理效率问题，为此对彩色图像进行了降采样以加速重建过程。此外，确保不同序列之间的全局一致性也是一个技术难点，尤其是在大规模环境中进行密集三维重建时，如何保持数据的高精度和实时性成为关键挑战。这些挑战不仅体现在算法设计上，还涉及硬件设备的性能限制和数据采集的复杂性。

常用场景

经典使用场景

Collaborative SLAM Dataset (CSD) 主要用于多智能体协同的同步定位与地图构建（SLAM）研究。该数据集通过提供多个不同场景的子集（如Flat、House、Priory和Lab），每个子集包含多个可相互重定位的序列，支持研究人员在复杂环境中测试和验证多智能体协同SLAM算法的性能。这些序列通过Asus ZenFone AR智能手机以5Hz的频率捕获，包含深度图像和彩色图像，为多视角、多传感器的协同重建提供了丰富的数据基础。

衍生相关工作

基于CSD数据集，许多经典研究工作得以展开。例如，Golodetz等人提出的在线多智能体姿态优化方法为协同SLAM提供了新的理论框架；此外，该数据集还催生了多视角数据融合、全局一致性优化以及实时大规模重建等领域的研究进展。这些工作不仅推动了SLAM技术的发展，也为相关领域的算法创新提供了重要参考。

数据集最近研究

最新研究方向

在增强现实（AR）和机器人领域，协作式同步定位与地图构建（Collaborative SLAM）技术正逐渐成为研究热点。Collaborative SLAM Dataset (CSD) 作为该领域的重要数据集，为多智能体协同构建大规模密集3D环境提供了丰富的实验数据。近年来，研究者们利用该数据集探索了多智能体之间的实时位姿优化、分布式地图融合以及动态环境下的鲁棒性重建等前沿问题。特别是在多设备协同工作场景中，CSD为验证算法的可扩展性和效率提供了重要支持。随着AR和机器人技术的快速发展，CSD在推动多智能体协作感知与重建技术的实际应用中具有深远意义。