D-LI-Init

D-LI-Init数据集是专为LiDAR-inertial SLAM系统动态初始化设计的开源测试数据集，由山东大学、南洋理工大学、西安交通大学、武汉大学等机构的研究人员共同创建。该数据集通过实际机器人运动场景中收集的LiDAR和IMU数据，用于评估和验证动态初始化算法的性能。数据集包含了多个不同的运动模式和环境条件下的数据，以支持各种平台（如车辆、手持设备、无人机）的动态初始化研究。

The D-LI-Init dataset is an open-source test dataset specifically designed for dynamic initialization of LiDAR-inertial SLAM systems, jointly created by researchers from institutions including Shandong University, Nanyang Technological University, Xi'an Jiaotong University, Wuhan University and other organizations. This dataset utilizes LiDAR and IMU data collected from real robotic motion scenarios, and is employed to evaluate and verify the performance of dynamic initialization algorithms. The dataset contains data under multiple different motion patterns and environmental conditions, to support research on dynamic initialization for various platforms such as vehicles, handheld devices and unmanned aerial vehicles (UAVs).

搜集汇总

数据集介绍

构建方式

D-LI-Init数据集的构建基于激光雷达-惯性SLAM系统的动态初始化需求，通过迭代对齐激光雷达里程计与IMU预积分数据来实现系统初始化。该方法在ESIKF框架下紧密集成激光雷达与陀螺仪数据，陀螺仪用于补偿点云中的旋转畸变，而平移畸变补偿则在迭代更新阶段完成，从而输出激光雷达-陀螺仪里程计。数据集涵盖了多种运动平台（如车辆、手持设备和无人机）和运动模式（如旋转、高速转弯等），确保了其广泛适用性。

使用方法

D-LI-Init数据集的使用方法包括数据收集、初始状态估计和迭代更新。用户首先通过激光雷达-陀螺仪里程计模块收集足够数量的轨迹位姿和IMU预积分数据。随后，利用最小二乘法对齐激光雷达里程计与IMU预积分数据，求解初始速度、重力方向和陀螺仪偏差。最后，将粗略初始值反馈至LIO系统以获取更精确的里程计信息，并通过迭代更新优化初始状态。数据集的开源代码和测试数据为研究人员提供了便捷的工具，支持动态初始化算法的开发和评估。

背景与挑战

背景概述

D-LI-Init数据集由Jie Xu、Yongxin Ma等研究人员于2025年提出，旨在解决LiDAR-惯性SLAM系统在动态环境中的初始化问题。该数据集由新加坡南洋理工大学和山东大学等机构联合开发，专注于提升LiDAR-惯性SLAM系统在机器人运动状态下的初始化速度和鲁棒性。其核心研究问题在于如何在不依赖静态初始化的前提下，通过LiDAR里程计与IMU测量的迭代对齐，实现高精度的初始状态估计。D-LI-Init的提出显著推动了动态SLAM领域的发展，尤其在紧急救援、自动驾驶等需要快速初始化的场景中展现了重要应用价值。

当前挑战

D-LI-Init数据集面临的挑战主要体现在两个方面：首先，在领域问题层面，传统LiDAR-惯性SLAM系统依赖静态初始化，无法满足动态环境下的实时性和鲁棒性需求，尤其是在机器人高速运动或复杂地形条件下；其次，在数据集构建过程中，研究人员需解决LiDAR点云运动畸变补偿、多传感器数据同步以及初始状态估计的精度问题。此外，如何在不依赖特定运动模式的情况下实现普适性动态初始化，也是该数据集构建中的关键挑战。

常用场景

经典使用场景

D-LI-Init数据集在激光雷达-惯性SLAM系统的动态初始化研究中具有重要应用价值。该数据集通过整合激光雷达与陀螺仪数据，在机器人运动状态下实现高精度的初始状态估计，包括初始速度、重力方向及IMU偏差。其经典使用场景涵盖紧急救援、爆炸物处理及无人机自主导航等需要快速启动SLAM系统的领域，解决了传统方法必须静止初始化的核心限制。

解决学术问题

该数据集有效解决了激光雷达-惯性SLAM系统在动态环境下的初始化难题。通过迭代对齐激光雷达里程计与IMU预积分数据，实现了运动状态下初始速度、重力矢量和陀螺仪偏差的鲁棒估计。其创新性在于突破了传统静态初始化范式的理论局限，为SLAM系统在非结构化环境中的实时部署提供了理论支撑，显著提升了系统在紧急任务场景下的可用性。

实际应用

在实际应用中，D-LI-Init数据集支持多种移动平台的即时定位需求。车载系统在高速公路突发状况下可快速重启SLAM，手持设备在复杂地形中实现稳定建图，无人机在灾害现场完成环境快速评估。实验数据表明，该系统在车辆急转、手持设备剧烈摆动等极端运动模式下仍能保持厘米级定位精度，为应急救援等时效性要求苛刻的场景提供了可靠技术保障。

数据集最近研究

最新研究方向

近年来，D-LI-Init数据集在激光雷达-惯性SLAM系统的动态初始化领域引起了广泛关注。随着自动驾驶、救援机器人和无人机等应用的快速发展，对系统在运动状态下快速初始化的需求日益迫切。该数据集通过融合激光雷达里程计与IMU预积分数据，提出了一种创新的动态初始化方法，突破了传统方法需要平台静止的限制。研究热点集中在如何提高激光雷达里程计的精度、优化迭代对齐算法以及增强系统在复杂运动模式下的鲁棒性。该数据集的开放共享为相关领域的研究提供了重要基准，推动了激光雷达-惯性SLAM系统在应急响应、高速自动驾驶等实时性要求高的场景中的应用。

相关研究论文

• Dynamic Initialization for LiDAR-inertial SLAM

  山东大学，南洋理工大学，西安交通大学，武汉大学 · 2025年