FusionPortable dataset, FusionPortableV2_dataset

FusionPortable数据集和FusionPortableV2数据集是用于评估不同平台上的定位和地图绘制精度的多传感器校园场景数据集。

The FusionPortable dataset and the FusionPortableV2 dataset are multi-sensor campus scene datasets designed for evaluating the accuracy of localization and mapping across different platforms.

原始信息汇总

数据集更新日志

• 20240508：对所有与车辆相关的序列的地面实况姿态进行了后处理，消除了具有高不确定性的姿态。
• 20240422：数据可通过百度网盘下载，提取码为byj8。
• 20240414：所有序列、地面实况轨迹和地面实况地图已公开发布。如发现地面实况轨迹和地图的问题，请联系我们或在GitHub上报告。
• 20240413：提供了一个小型模拟导航环境。
• 20240408：开发工具已初步发布。
• 20240407：数据可通过Google Drive下载。

数据集下载

• 访问FusionPortable dataset和FusionPortableV2_dataset检查并下载数据。
• 下载压缩的rosbag文件。
• 使用命令7z l 20220216_garden_day.7z提取数据。

数据集使用

• 数据加载相关功能：
  • 将原始rosbag转换为单独的文件：write_bag_to_data.ipynb
  • 将算法结果（如R3LIVE, FAST-LIO2）存储的rosbag转换为单独的文件：write_alg_bag_to_data.ipynb
  • 将原始文件转换为KITTI-360格式：write_data_to_kitti360.ipynb
  • 生成用于深度评估的帧_左相机对应的深度图：write_depthmap_to_kitti360.ipynb
• 工具功能：
  • 将未畸变的点云投影到图像以验证外部参数错误：visualize_depthmap.ipynb
• 评估工具：
  • 轨迹评估
  • 地图评估

数据集引用

@misc{wei2024fusionportablev2, title={FusionPortableV2: A Unified Multi-Sensor Dataset for Generalized SLAM Across Diverse Platforms and Scalable Environments}, author={Hexiang Wei and Jianhao Jiao and Xiangcheng Hu and Jingwen Yu and Xupeng Xie and Jin Wu and Yilong Zhu and Yuxuan Liu and Lujia Wang and Ming Liu}, year={2024}, eprint={2404.08563}, archivePrefix={arXiv}, primaryClass={cs.RO} }

@inproceedings{jiao2022fusionportable, title={Fusionportable: A multi-sensor campus-scene dataset for evaluation of localization and mapping accuracy on diverse platforms}, author={Jiao, Jianhao and Wei, Hexiang and Hu, Tianshuai and Hu, Xiangcheng and Zhu, Yilong and He, Zhijian and Wu, Jin and Yu, Jingwen and Xie, Xupeng and Huang, Huaiyang and others}, booktitle={2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)}, pages={3851--3856}, year={2022}, organization={IEEE} }

搜集汇总

数据集介绍

构建方式

FusionPortable数据集通过整合多种传感器数据，构建了一个多模态的校园场景数据集。该数据集的构建过程包括从多个平台（如车辆和无人机）采集原始数据，并通过后处理技术生成精确的地面真实轨迹和地图。为了确保数据的准确性，所有车辆相关的序列都经过了高不确定性姿态的剔除处理，从而提升了数据集的质量和可靠性。

特点

FusionPortable数据集的显著特点在于其多传感器融合和多样化的应用场景。数据集包含了多种传感器数据，如相机、激光雷达和惯性测量单元（IMU），能够支持多种SLAM算法的评估。此外，数据集还提供了模拟导航环境，便于研究人员在受控条件下进行实验。数据集的多样性和高精度地面真实数据使其成为评估定位和建图算法性能的理想选择。

使用方法

FusionPortable数据集的使用方法包括数据下载、解压和处理。用户可以通过访问官方网站下载压缩的rosbag文件，并使用7z命令进行解压。数据处理方面，提供了多种工具函数，如将原始rosbag数据转换为KITTI-360格式，生成深度图等。此外，数据集还提供了多种SLAM算法的配置文件，如DROID-SLAM、VINS-Fusion和FAST-LIO2，便于用户直接进行实验和评估。

背景与挑战

背景概述

FusionPortable数据集及其升级版FusionPortableV2数据集，由香港科技大学（HKUST）的研究团队主导开发，旨在为多传感器融合的定位与建图（SLAM）算法提供一个全面且多样化的测试平台。该数据集的创建始于2022年，主要研究人员包括Jianhao Jiao和Hexiang Wei等，核心研究问题聚焦于在不同平台和环境中评估定位与建图的准确性。通过公开发布包含真实轨迹和地图的序列数据，FusionPortable数据集为SLAM领域的研究者提供了一个标准化的测试基准，极大地推动了多传感器融合技术的发展。

当前挑战

FusionPortable数据集在构建过程中面临多项挑战。首先，多传感器数据的同步与校准是一个复杂的技术难题，尤其是相机、激光雷达和IMU等不同传感器之间的时序对齐和外参标定。其次，数据集的真实轨迹和地图生成需要高精度的后处理，以消除不确定性较高的姿态数据。此外，数据集的多样性和规模化处理也是一个挑战，如何在不同平台和环境中保持数据的一致性和可用性，是该数据集面临的重要问题。最后，数据集的广泛应用和算法评估工具的开发，也需要不断优化和更新，以适应SLAM领域的快速发展。

常用场景

经典使用场景

FusionPortable数据集在多传感器融合领域中展现了其经典应用场景，特别是在同时定位与地图构建（SLAM）任务中。该数据集通过提供高精度的传感器数据和经过处理的地面真实轨迹，支持了视觉SLAM、视觉惯性SLAM以及激光雷达惯性SLAM等多种算法的研究与验证。例如，研究者可以利用该数据集运行DROID-SLAM、VINS-Fusion和FAST-LIO2等算法，从而评估和优化这些算法在不同平台和环境下的性能。

衍生相关工作

FusionPortable数据集的发布催生了一系列相关研究工作，特别是在多传感器融合和SLAM算法优化方面。例如，基于该数据集的研究者开发了DROID-SLAM、VINS-Fusion和FAST-LIO2等算法，这些算法在视觉和惯性传感器的融合上取得了显著进展。此外，该数据集还促进了传感器标定工具的发展，如LCECalib和Kalibr，这些工具在多传感器系统的外参标定中发挥了重要作用。

数据集最近研究

最新研究方向

近年来，FusionPortable数据集及其V2版本在多传感器融合与SLAM（同步定位与地图构建）领域引起了广泛关注。该数据集通过提供高精度的地面真实轨迹和地图，支持了多种前沿算法的验证与优化，如DROID-SLAM、VINS-Fusion和FAST-LIO2等。这些算法在视觉、惯性和激光雷达等多模态数据融合方面展现了卓越的性能，推动了自动驾驶、无人机导航等领域的技术进步。此外，数据集还提供了丰富的校准工具和评估方法，进一步促进了多传感器系统的精确标定与性能评估，为多平台和多样化环境的SLAM研究提供了坚实的基础。