minimal

最小纹理RGB-D SLAM数据集（Minimal Texture Dataset for RGB-D SLAM）由德国航空航天中心（DLR）使用Intel RealSense D435i相机录制，包含低纹理概念几何场景和沙地场景，并配有Vicon运动捕捉系统提供的毫米级精度真值轨迹。该数据集最初用于评估SID-SLAM算法（IEEE RA-L 2023），现作为权威版本重新上传，并扩展了首个录制会话的全部序列及此前未公开的简单序列。数据集包含两个录制日期的33个序列：2021-10-08（15个序列，包括平行线、圆、六边形、三角形、变形模型、沙地、带圆的方形以及环路变体）和2021-10-14（18个序列，包含先前在Zenodo发布的14个序列以及额外4个序列）。每个序列提供两个文件：一个ROS1 bag文件（bz2压缩，包含彩色图像rgb8 1280x720@30Hz、对齐到彩色的深度图16UC1毫米单位、相机内参、IMU数据约200Hz、深度到彩色外参）和一个TUM格式的真值轨迹文件（时间戳、位置、四元数）。此外，仓库根目录提供Vicon标记到相机彩色光学帧的外参矩阵。颜色内参（fx=908.479248, fy=907.841919, cx=650.889160, cy=364.692657）在两次会话中一致，对齐深度流共享相同内参。该数据集适用于评估RGB-D SLAM方法在低纹理环境下的表现，尤其适合视觉里程计、同时定位与建图、机器人等任务。数据采用CC BY 4.0许可证发布。The Minimal Texture Dataset for RGB-D SLAM is recorded by the German Aerospace Center (DLR) using an Intel RealSense D435i camera. It features low-texture geometric scenes and sand scenes, with millimeter-accurate ground truth trajectories provided by a Vicon motion capture system. Originally used to evaluate the SID-SLAM algorithm (IEEE RA-L 2023), this authoritative version has been re-uploaded with extended sequences from the first recording session and previously unreleased simple sequences. The dataset contains 33 sequences from two recording dates: 2021-10-08 (15 sequences including parallel lines, circles, hexagons, triangles, deformed models, sand, squares with circles, and loop variants) and 2021-10-14 (18 sequences, consisting of the 14 previously released on Zenodo plus 4 additional sequences). Each sequence provides two files: a ROS1 bag file (bz2 compressed, containing color images rgb8 1280x720@30Hz, depth images aligned to color 16UC1 in millimeters, camera intrinsics, IMU data at ~200Hz, and depth-to-color extrinsics) and a TUM-format ground truth trajectory file (timestamps, positions, quaternions). Additionally, the extrinsics matrix from the Vicon markers to the camera color optical frame is provided in the repository root. The color intrinsics (fx=908.479248, fy=907.841919, cx=650.889160, cy=364.692657) are consistent across both sessions, and the aligned depth stream shares the same intrinsics. This dataset is suitable for evaluating RGB-D SLAM methods in low-texture environments, particularly for visual odometry, simultaneous localization and mapping (SLAM), and robotics. The data is released under the CC BY 4.0 license.

原始信息汇总

Minimal Texture Dataset for RGB-D SLAM

数据集概述

该数据集是用于RGB-D SLAM评估的低纹理数据集，由德国航空航天中心（DLR）使用Intel RealSense D435i相机采集，包含低纹理概念几何场景和沙地场景的RGB-D序列。数据集的毫米级精度真实轨迹由Vicon运动捕捉系统提供。该数据集最初为评估SID-SLAM（IEEE RA-L, 2023）而引入，本仓库为原始Zenodo版本的权威重新上传，并扩展了完整的首日记录会话及先前未发布的简单序列。

数据集内容

序列按采集日期分组：

• 10-08/：第一会话（2021-10-08），包含15个序列（parallel_lines, circles, hexagon, triangle, deformation_model, sand, square_with_circles及其循环变体）
• 10-14/：第二会话（2021-10-14），包含18个序列（包含Zenodo上发布的14个序列及forward_backward_01, circle_only_01, lru_01, ardea_01）

每个序列包含两个文件：

• .bag 文件：ROS1 bag（bz2压缩），包含RealSense D435i数据流：
  • 彩色图像（rgb8, 1280x720 @ 30 Hz）
  • 对齐深度图像（16UC1, 毫米单位, 1280x720 @ 30 Hz）
  • 相机内参信息
  • IMU数据（约200 Hz）
  • 深度到彩色外参
• _groundtruth.txt 文件：Vicon真实轨迹（TUM格式，时间戳+位置+四元数），可直接用于评估，与bag时间戳一致

仓库根目录提供Vicon标记到相机光学坐标系的变换文件 T_vicon_camera.txt。

标定参数

两个会话使用相同的彩色相机内参，零畸变（plumb_bob），分辨率1280x720：

• fx = 908.479248, fy = 907.841919
• cx = 650.889160, cy = 364.692657

对齐深度流与彩色流共享相同内参。深度值除以1000转换为米。

相关资源

• 数据集主页：https://www.dlr.de/en/rm/research/publications-and-downloads/datasets/minimal-texture-dataset-for-rgb-d-slam
• 已集成至VSLAM-LAB（数据集标识为minimal）：https://github.com/VSLAM-LAB/VSLAM-LAB
• 原始Zenodo版本：https://zenodo.org/records/10453700
• 引用论文：https://ieeexplore.ieee.org/document/10058038

许可协议

数据集采用CC BY 4.0许可协议。

搜集汇总

数据集介绍

构建方式

该数据集由德国航空航天中心（DLR）利用Intel RealSense D435i相机在低纹理的几何形状与沙地场景中采集，采用Vicon运动捕捉系统提供毫米级精度的真值轨迹。数据以ROS1 bag格式存储，包含RGB图像、对齐深度图及IMU数据，并附有TUM格式的真值文件。所有序列按采集日期分组，并提供了相机内参及外参的标定文件，确保了数据的完整性与可靠性。

使用方法

使用该数据集时，用户需安装ROS环境以读取bag文件中的图像与深度流，并利用提供的相机内参对图像进行去畸变处理。真值轨迹文件可直接用于轨迹误差计算，如绝对轨迹误差（ATE）和相对轨迹误差（RPE）。数据集已集成于VSLAM-LAB平台，可无缝运行标准评估流程。建议参考随附的标定文件与文档，以确保在不同SLAM算法中的可复现性。

背景与挑战

背景概述

该数据集由德国航空航天中心（DLR）的研究人员于2021年创建，旨在评估低纹理环境下RGB-D SLAM算法的性能。数据集通过Intel RealSense D435i相机采集，包含概念几何场景和沙地场景的RGB-D序列，并利用Vicon运动捕捉系统提供毫米级精度的轨迹真值。该数据集最初用于评价SID-SLAM（半直接信息驱动RGB-D SLAM）算法，该算法发表于IEEE RA-L 2023。作为RGB-D SLAM领域的重要基准，该数据集填补了低纹理场景下SLAM评估的空白，促进了鲁棒视觉里程计算法的发展。

当前挑战

该数据集面临的挑战包括：1）低纹理环境下视觉特征的稀缺，对特征提取和匹配算法构成严峻考验，容易导致SLAM系统漂移或失败；2）构建过程中需同步多传感器数据（RGB、深度、IMU），并确保时间戳对齐和空间标定精度，尤其是Vicon真值与相机坐标系的转换，任何误差都会影响评估可靠性；3）场景包含沙地和几何图案，对深度传感器的噪声和环境光照变化较为敏感，增加了数据采集和处理的复杂性；4）数据集需提供统一的评估格式和可重复性标准，以确保不同SLAM算法的公平比较。

常用场景

经典使用场景

在视觉同步定位与建图（SLAM）领域，低纹理环境一直是算法性能的试金石。该数据集专为RGB-D SLAM评估而设计，收录了利用Intel RealSense D435i在概念几何体与沙地场景中采集的序列，并辅以Vicon运动捕捉系统提供的毫米级精度真值。其经典用途在于，为半直接法、特征点法及直接法SLAM算法在弱纹理条件下的鲁棒性、定位精度与轨迹一致性提供标准化benchmark，尤其适用于验证信息驱动型SLAM框架在退化场景中的表现。

解决学术问题

学术研究中，低纹理场景导致特征稀疏、光度一致性假设失效，是SLAM系统面临的核心挑战之一。该数据集系统性地解决了此类场景下缺乏高精度真值验证平台的问题，使研究者能够量化分析算法在几何结构简单、纹理缺失环境中的漂移与失效模式。其意义在于，通过提供包含毫米级真值、时间戳同步的多模态数据，推动了鲁棒SLAM算法的发展，并为后续研究确立了可复现的评估基准，深刻影响了视觉里程计与稠密重建领域的研究范式。

实际应用

在实际应用中，该数据集直接服务于机器人导航、自动驾驶及增强现实等对实时定位有严苛要求的领域。其低纹理序列模拟了室内白墙、走廊、沙地等真实世界中的退化环境，为工业级SLAM系统（如仓储机器人、无人机自主飞行）在缺乏显著视觉标志的场合提供性能验证依据。此外，数据集的ROS bag格式与TUM真值格式兼容主流工具链，便于集成至VSLAM-LAB等测试平台，从而加速算法从实验室到工程落地的转化进程。

数据集最近研究

最新研究方向

该数据集聚焦于低纹理环境下RGB-D SLAM算法的鲁棒性评估，由德国航空航天中心（DLR）发布，基于Intel RealSense D435i相机采集，配备Vicon运动捕捉系统提供的毫米级地面真值。随着视觉SLAM在工业巡检、服务机器人及增强现实等场景的深入应用，缺乏纹理的几何结构（如平行线、圆形、多边形）和沙地等退化环境成为定位漂移的典型诱因。该数据集通过精心设计的序列（含环路闭合与动态变化）填补了现有基准在极端低纹理场景下的空白，其高精度真值与同步IMU数据支持多模态融合策略的验证。SID-SLAM作为首个系统化利用该数据集的算法，展示了信息驱动特征选择在弱纹理区域的优势，为后续研究提供了可复现的严格评估基线，推动SLAM系统向更具挑战性的实际部署环境迈进。