CAVERS dataset

这些脚本（改编自BASEPROD脚本）用于准备CAVERS数据集。代码以MIT许可证发布。

These scripts, adapted from the BASEPROD scripts, are used to prepare the CAVERS dataset. The code is released under the MIT License.

原始信息汇总

CAVERS 数据集概述

数据集基本信息

• 数据集名称：CAVERS dataset
• 数据访问地址：https://doi.org/10.5281/zenodo.19367714
• 关联论文（预印本）：https://arxiv.org/abs/2604.15052
• 许可证：MIT License
• 编程语言环境：Python 3.10

数据集内容与用途

该数据集为用于准备CAVERS数据集的脚本。CAVERS数据集本身是一个多模态SLAM数据集，数据采集自一个天然喀斯特洞穴，并包含地面实况动作捕捉数据。

数据格式与处理

• 原始数据格式：数据集以ROS2 Humble的rosbag形式记录，存储格式为mcap。
• 数据处理脚本：本仓库提供的脚本可用于将rosbag格式的数据导出为原始数据格式。
• 额外消息定义：数据集中包含了热相机的原始浮点温度矩阵，需要自定义消息定义才能正确回放。

数据回放与使用

使用Docker（推荐）

1. 设置环境变量：export CAVERS=/path/to/cavers
2. 克隆仓库：git clone https://github.com/spaceuma/cavers.git
3. 构建Docker镜像：cd cavers/docker && docker build -t spaceuma/cavers:latest .
4. 启动容器：docker compose up -d
5. 进入容器：docker exec -it docker-cavers-dataset-1 bash

本地安装

1. 安装ROS2 Humble及相关包：ros-humble-rosbag2-storage-mcap, ros-humble-realsense2-camera-msgs, ros-humble-velodyne-msgs。
2. 为正确回放热相机数据，需在ROS2工作空间中构建提供的自定义消息包。

数据导出

1. 安装Python依赖（见requirements.txt）。
2. 使用脚本导出数据：python export_logs.py -i ${CAVERS}/rosbags/ -o ${CAVERS}/raw_data/

作者与监督者

• 作者：
  • Giacomo Franchini (ORCID: https://orcid.org/0009-0009-5641-8346)
  • David Rodríguez-Martínez (ORCID: https://orcid.org/0000-0003-4817-9225)
  • Alfonso Martínez-Petersen (ORCID: https://orcid.org/0009-0000-5117-6231)
• 监督者：
  • Carlos Pérez del Pulgar (ORCID: https://orcid.org/0000-0001-5819-8310)
  • Marcello Chiaberge (ORCID: https://orcid.org/0000-0002-1921-0126)

引用

如果使用此工作，请引用：

Franchini, G., Rodríguez-Martínez, D., Martínez-Petersen, A., Pérez-del-Pulgar, C. J. & Chiaberge, M. (2026). CAVERS: Multimodal SLAM Data from a Natural Karstic Cave with Ground Truth Motion Capture. arXiv preprint arXiv:2604.15052.

BibTeX格式见README文件。

搜集汇总

数据集介绍

构建方式

在机器人定位与建图领域，高质量的多模态数据集对于算法验证与性能提升至关重要。CAVERS数据集的构建依托于在天然喀斯特洞穴环境中进行的实地数据采集，采用搭载多种传感器的移动机器人平台，系统性地记录了包括激光雷达、热成像相机及惯性测量单元在内的多源感知数据。数据采集过程严格遵循ROS2 Humble框架，以mcap格式的rosbag封装原始数据流，确保了时序同步与数据完整性，同时通过运动捕捉系统提供了精确的地面真值轨迹，为SLAM算法的评估奠定了可靠基础。

特点

该数据集的核心特点在于其独特的采集环境与丰富的模态构成。数据集源自真实的喀斯特洞穴场景，其复杂的光照条件、不规则的地形结构以及多变的几何特征，为SLAM研究提供了极具挑战性的测试平台。数据内容涵盖了三维激光点云、热成像矩阵、惯性测量信息及高精度运动捕捉轨迹，形成了多传感器融合的完备数据体系。这种多模态、高精度的数据组合，尤其适用于评估视觉-惯性-激光雷达SLAM系统在极端非结构化环境中的鲁棒性与准确性。

使用方法

为便于研究人员使用，数据集提供了灵活的数据访问与处理方案。用户可通过Docker容器快速部署完整的回放环境，免除了复杂的依赖配置；亦可选择在本地安装ROS2 Humble及相关软件包进行数据解析。数据集配套的Python脚本支持将原始的rosbag数据导出为通用的文件格式，便于后续的离线分析与算法开发。使用前需从Zenodo平台下载数据文件，并依据指南设置环境变量，即可通过标准命令回放数据流或执行格式转换，整个流程设计兼顾了易用性与可复现性。

背景与挑战

背景概述

CAVERS数据集于2026年由Giacomo Franchini、David Rodríguez-Martínez、Alfonso Martínez-Petersen等研究人员在Carlos Pérez del Pulgar和Marcello Chiaberge的指导下创建，旨在为机器人同步定位与建图（SLAM）领域提供关键的多模态数据资源。该数据集聚焦于自然喀斯特洞穴环境，核心研究问题在于解决极端非结构化地形中机器人自主导航与感知的难题，通过集成运动捕捉系统提供高精度地面真值，显著提升了SLAM算法在黑暗、复杂地质条件下的评估可靠性，对地下探索和自主系统研究具有重要推动作用。

当前挑战

CAVERS数据集致力于应对地下洞穴环境中SLAM技术所面临的多重挑战，包括视觉特征稀疏、光照条件匮乏以及传感器数据异构融合困难等问题。在构建过程中，研究人员需克服自然洞穴地形的不规则性与动态变化性，确保多传感器（如热成像相机、激光雷达）在恶劣条件下的同步采集与校准，同时处理大规模rosbag数据的高效存储与转换，以保障数据的一致性与可访问性。

常用场景

经典使用场景

在机器人自主导航与三维重建领域，CAVERS数据集以其在天然喀斯特洞穴环境中采集的多模态同步定位与地图构建数据而著称。该数据集经典地应用于评估和开发SLAM算法，尤其在缺乏GPS信号的复杂地下场景中，通过整合激光雷达、热成像相机和运动捕捉系统提供的精确地面真值，为算法在非结构化、光照多变环境下的鲁棒性测试提供了标准基准。

解决学术问题

CAVERS数据集有效应对了地下环境SLAM研究中的数据稀缺挑战，为解决传感器在低纹理、高动态范围场景中的融合难题提供了实证基础。其意义在于通过提供带有精确运动捕捉真值的数据，促进了多模态感知算法的定量评估，推动了地下自主系统在状态估计、环境建模方面的理论进展，为极端条件下的机器人导航研究设立了新的数据标准。

衍生相关工作

围绕CAVERS数据集，已衍生出多项聚焦于多模态SLAM与地下导航的经典研究工作。这些工作通常利用其丰富的传感器数据，开发新型的激光-视觉融合框架，或针对热成像特征进行鲁棒性优化；部分研究进一步扩展了其在动态障碍物避碰与长期自主性方面的应用，推动了地下空间智能感知技术的迭代与创新。