Backpack2025

该数据集名为Backpack2025，由宁波材料技术与工程研究所（中国科学院材料研究所）的Xiaofeng Jin等研究人员收集。数据集涵盖了四种不同真实世界环境，包括结构化建筑、隧道、斜坡和城市场景，支持无缝室内外地图绘制。每个序列包含超过15,000个激光雷达帧，平均长度约1.5公里。数据集采用定制的背包式多模态传感器平台，集成了两个多束旋转激光雷达传感器、工业级IMU和RTK-GNSS模块，确保精确的空间时间对齐。该数据集通过融合SLAM优化与RTK-GNSS定位，提出了新颖的6-DoF真实值生成流程，通过倾斜摄影测量和RTK-GNSS测量，获取了真实世界规模的地理参考图，用于对齐激光雷达地图并验证生成的轨迹的低厘米级精度（小于3厘米）。该数据集实现了轨迹长度、场景复杂性和真实值精度的突破，为评估LIO系统并提高其在实际高精度制图场景中的泛化能力提供了一个全面的基准。

This dataset, named Backpack2025, was collected by researchers including Xiaofeng Jin from the Ningbo Institute of Materials Technology and Engineering, Chinese Academy of Sciences. The dataset covers four distinct real-world environments, including structured buildings, tunnels, slopes, and urban scenes, enabling seamless indoor-outdoor mapping. Each sequence contains over 15,000 LiDAR frames, with an average length of approximately 1.5 kilometers. A custom backpack-mounted multimodal sensor platform is utilized, which integrates two multi-beam rotating LiDAR sensors, industrial-grade IMUs, and an RTK-GNSS module to ensure precise spatiotemporal alignment. This dataset proposes a novel 6-DoF ground truth generation workflow by fusing SLAM optimization and RTK-GNSS positioning. Georeferenced maps at real-world scales are acquired via oblique photogrammetry and RTK-GNSS surveys, which are used to align the LiDAR maps and validate that the generated trajectories achieve centimeter-level accuracy (less than 3 cm). This dataset makes breakthroughs in trajectory length, scene complexity, and ground truth accuracy, serving as a comprehensive benchmark for evaluating LiDAR-Inertial Odometry (LIO) systems and enhancing their generalization capability in practical high-precision mapping scenarios.

原始信息汇总

Backpack2025数据集概述

基本信息

• 数据集名称：Backpack2025

其他信息

• 无其他可用信息

搜集汇总

数据集介绍

构建方式

Backpack2025数据集的构建依托于一套精心设计的背包式多模态传感器平台，该平台集成了双旋转多光束LiDAR传感器、工业级IMU及RTK-GNSS模块，通过硬件级同步与精确标定确保时空对齐精度。数据采集覆盖四种典型场景（建筑群、隧道、斜坡、城市环境），采用无人机倾斜摄影测量与RTK-GNSS融合技术生成厘米级地理参考真值，并通过多阶段LiDAR捆绑调整优化轨迹，最终形成平均1.5公里/序列、单序列超15,000帧的大规模数据集。

特点

该数据集的核心特征体现在三方面：其一，通过双LiDAR配置与GNSS锚定实现了室内外无缝衔接的6自由度厘米级真值（<3cm），突破了传统数据集在GNSS拒止环境下的精度瓶颈；其二，场景复杂度显著提升，包含长走廊弱特征、动态遮挡、多楼层结构等复合退化条件，单序列平均长度达1,000米，较现有基准扩展5-10倍；其三，创新性地融合SLAM优化与RTK-GNSS锚定技术，构建了首个支持大范围连续空间真值验证的标准化评测体系。

使用方法

使用Backpack2025需遵循多模态数据协同处理流程：首先加载时间对齐的LiDAR-IMU原始数据流，基于RTK-GNSS锚定点初始化全局坐标系；其次通过前端里程计与后端图优化实现粗定位，并利用真值地图进行闭环检测；最终将算法输出轨迹与数据集提供的厘米级参考轨迹进行残差分析，评估指标涵盖位置误差（均值/峰值）、姿态误差及内存消耗。数据集配套开源真值生成代码，支持Voxel-SLAM等先进算法的端到端验证。

背景与挑战

背景概述

Backpack2025数据集由宁波材料技术与工程研究所（NIMTE）与意大利米兰理工大学（Politecnico di Milano）联合研发，于2025年发布，旨在解决激光雷达-惯性里程计（LIO）在复杂退化场景下的高精度建图问题。该数据集通过背包式多传感器平台采集，覆盖60,000-750,000平方米的多样化环境，包括建筑、隧道、斜坡和城市场景，支持室内外无缝过渡的长期序列建图。其创新性在于融合RTK-GNSS与多阶段激光雷达建图技术，生成厘米级精度的6自由度真值轨迹，填补了现有数据集中在长时程、复合退化条件验证方面的空白，为LIO算法的泛化性评估提供了重要基准。

当前挑战

Backpack2025数据集面临的挑战主要体现在两方面：领域问题层面，需解决LIO系统在特征稀疏、GNSS拒止、动态遮挡等复合退化场景下的定位漂移与全局一致性难题，尤其在长序列跨环境建图中保持厘米级精度；构建过程层面，真值获取需克服大规模场景中RTK-GNSS信号失效的局限，通过融合倾斜摄影测量与激光雷达束调整实现室内外统一坐标系下的亚厘米级对齐，同时确保多传感器（双LiDAR/IMU/RTK）时空同步误差小于5毫米和0.2度。此外，超长序列（单序列1500帧/1.5公里）带来的数据存储与计算资源消耗亦构成显著挑战。

常用场景

经典使用场景

Backpack2025数据集在激光雷达-惯性里程计（LIO）领域具有广泛的应用价值，尤其在复杂环境下的高精度地图构建和定位任务中表现突出。该数据集通过覆盖室内外无缝过渡、长时程轨迹以及多种退化场景（如特征稀疏、GNSS信号缺失等），为LIO算法的开发和验证提供了全面的测试平台。其经典使用场景包括城市数字化、基础设施巡检以及灾后评估等需要高精度三维地图的领域。数据集的双激光雷达配置和厘米级真值生成流程，使其成为评估算法在复杂环境中鲁棒性和精度的理想选择。

解决学术问题

Backpack2025数据集有效解决了LIO研究中的多个关键学术问题。首先，它填补了现有数据集中长时程轨迹和室内外无缝过渡数据的空白，为算法在真实复杂环境中的系统性验证提供了可能。其次，通过融合RTK-GNSS与激光雷达束调整（BA）的真值生成流程，该数据集提供了厘米级精度的6自由度轨迹，解决了大范围复杂场景中高精度真值获取的难题。此外，数据集涵盖的多样化退化场景（如动态遮挡、狭窄空间等）为研究算法在极端条件下的鲁棒性提供了丰富素材，推动了LIO技术向通用高精度建图方向的发展。

衍生相关工作

Backpack2025数据集已衍生出多项重要的相关研究工作。基于该数据集，研究者们开发了多种先进的LIO算法，如采用体素地图保持全局一致性的Voxel-SLAM、适应资源受限平台的D-LIO等。这些工作通过利用数据集提供的长时程轨迹和复杂场景验证，显著提升了算法在退化条件下的性能。同时，数据集的真值生成流程也启发了新的传感器融合方法，如GNSS辅助的激光雷达束调整技术。此外，该数据集还被用于多传感器标定、场景识别等方向的研究，推动了整个SLAM领域的进步。