Newer College Dataset

Newer College Dataset是由牛津大学机器人研究所创建的大型数据集，包含手持设备在牛津新学院周围约2.2公里范围内收集的多种移动测绘传感器数据。数据集包括来自两个商业设备的立体惯性相机和多光束3D LiDAR数据，以及用于生成6自由度地面实况姿态的详细毫米级精确3D地图。该数据集特别适用于测试基于视觉的导航、视觉和LiDAR SLAM、3D LiDAR重建和基于外观的位置识别系统。数据集的创建过程涉及使用高精度LiDAR扫描器捕捉详细地图，并通过ICP算法生成地面实况。该数据集的应用领域包括机器人导航和自主系统的算法测试与验证，旨在解决复杂环境下的定位和地图构建问题。

The Newer College Dataset is a large-scale dataset created by the Oxford Robotics Institute, University of Oxford. It contains diverse mobile mapping sensor data collected by handheld devices within an approximate 2.2-kilometer radius around New College, Oxford. The dataset includes stereo inertial cameras and multi-beam 3D LiDAR data from two commercial devices, as well as a detailed millimeter-precise 3D map used to generate 6-degree-of-freedom (6-DoF) ground truth poses. This dataset is particularly suitable for testing vision-based navigation, visual and LiDAR SLAM, 3D LiDAR reconstruction, and appearance-based place recognition systems. The dataset was developed by capturing a detailed map using a high-precision LiDAR scanner, and generating ground truth via the Iterative Closest Point (ICP) algorithm. Its application areas include algorithm testing and validation for robotic navigation and autonomous systems, aiming to solve localization and mapping problems in complex environments.

搜集汇总

数据集介绍

构建方式

Newer College Dataset 是一个大型数据集，它使用手持设备以典型步行速度在牛津新学院周围近 2.2 公里的范围内收集了各种移动测绘传感器数据。这些数据包括来自两个商用设备的原始数据 - 一个立体惯性相机和一个多光束 3D LiDAR（也提供惯性测量）。此外，还使用三脚架安装的测图级 LiDAR 扫描仪捕获了测试位置的详细毫米级精确 3D 地图（包含约 2.9 亿个点）。使用该地图，为每个 LiDAR 扫描生成了一个 6 自由度 (DoF) 地面真实位姿（大约 3 厘米精度），以更好地基准测试 LiDAR 和视觉定位、绘图和重建系统。地面真实位姿是此数据集的特别新颖贡献，我们相信这将使许多类似数据集缺乏的系统化评估成为可能。

特点

该大型数据集结合了建筑环境、开放空间和植被区域，以测试诸如基于视觉的导航、视觉和 LiDAR SLAM、3D LiDAR 重建和基于外观的位置识别之类的定位和绘图系统，而补充数据集包含非常动态的运动，为视觉惯性里程计系统引入了更多挑战。数据集的显著特点是它提供了一个具有毫米级精度的 6 自由度地面真实位姿，这对于评估短长度尺度里程计以及大尺度漂移非常有用。

使用方法

数据集的使用方法涉及将单个 LiDAR 扫描与使用 ICP 的准确先验地图进行注册，以计算地面真实位姿。此外，数据集还包含 LiDAR SLAM、基于外观的闭合检测、LiDAR 3D 重建和视觉（惯性）里程计等定位和绘图研究领域的示例用法。这些示例用法展示了数据集在不同定位和绘图任务中的实用性，包括 LiDAR 基于定位、基于视觉的位置识别、基于 LiDAR 的 3D 重建和基于视觉的（惯性）里程计。

背景与挑战

背景概述

在机器人和自主导航研究领域，公开数据集的可用性对于算法的系统测试和验证至关重要。近年来，诸如KITTI、New College和EuRoC MAV等数据集的发布，为该领域的性能评估提供了透明且客观的基准。这些数据集通常收集自各种平台（如无人地面车辆、无人机和自动驾驶汽车），并采用GPS/INS、死计算或激光跟踪器/运动捕捉系统作为参考位姿。然而，这些数据集的地面真实值往往依赖于GPS观测，在GPS信号缺失的环境中（如城市峡谷）其准确性难以保证。此外，这些数据集的地面真实值通常不具备高精度，难以满足对短距离测距和大规模漂移评估的需求。

当前挑战

Newer College数据集旨在解决现有数据集在地面真实值精度和适用性方面的不足。该数据集利用手持设备以典型步行速度在牛津大学New College周围收集了大量的移动测绘传感器数据，并包含了一系列具有更激进运动和光照对比的补充数据集。数据集包括来自两个商用设备的数据——一个立体惯性相机和一个多光束3D LiDAR（同时提供惯性测量）。此外，还使用三脚架安装的测图级LiDAR扫描仪捕获了测试位置的详细毫米级精确3D地图（包含约2.9亿个点）。利用该地图，为每个LiDAR扫描生成了具有大约3厘米精度的6自由度（DoF）地面真实位姿，以更好地评估LiDAR和视觉定位、地图构建和重建系统。该数据集的独特贡献在于其提供的地面真实值，这为系统评估提供了可能性，而许多类似的数据集都缺乏这一点。大型数据集结合了建筑环境、开阔空间和植被区域，以测试视觉导航、视觉和LiDAR SLAM、3D LiDAR重建和基于外观的地点识别等定位和地图构建系统，而补充数据集则包含非常动态的运动，为视觉-惯性里程计系统引入更多挑战。

常用场景

经典使用场景

该数据集主要应用于机器人与自主导航领域，特别是用于评估和验证定位与建图算法。它包含了丰富的场景，包括建筑物、植被和开阔空间，这使得数据集适用于测试诸如基于视觉的导航、视觉和LiDAR SLAM、3D LiDAR重建以及基于外观的地点识别等系统。此外，补充数据集包含了非常动态的运动，为视觉-惯性里程计系统引入了更多挑战。

衍生相关工作

该数据集的发布为机器人与自主导航领域的研究提供了新的契机。基于该数据集，研究者们可以开发出更精确、更鲁棒的定位与建图算法，从而推动机器人技术在复杂环境中的应用。此外，该数据集的发布也促进了相关领域的研究，如视觉里程计、SLAM、3D重建和地点识别等，为机器人技术的发展提供了更多的可能性。

数据集最近研究

最新研究方向

在机器人与自主导航领域，'Newer College Dataset'的发布为研究者提供了一个全新的视角。该数据集集成了手持式设备采集的激光雷达、惯性测量单元和视觉传感器数据，覆盖了牛津新学院及其周边地区，提供了厘米级的精度。其独特的价值在于，利用高精度激光雷达扫描仪构建的详细3D地图，为每个激光雷达扫描生成了6自由度的真实姿态，这为定位、建图和重建系统的系统化评估提供了可能。该数据集不仅涵盖了建筑环境、开放空间和植被区域，还包含了极具挑战性的动态运动数据，为视觉惯性里程计系统的研究提供了更多挑战。'Newer College Dataset'的发布，有望推动视觉导航、视觉与激光雷达同时定位与地图构建、3D激光雷达重建以及基于外观的位置识别等研究领域的进一步发展，对于提升自主机器人系统的性能具有重要意义。

相关研究论文

• The Newer College Dataset: Handheld LiDAR, Inertial and Vision with Ground Truth

  牛津大学机器人研究所 · 2022年