i2Nav-Robot

武汉大学GNSS研究中心的智能与集成导航(i2Nav)小组开源了一个多功能机器人数据集，名为i2Nav-Robot。该数据集由轮式机器人在大型室内外环境中收集，适用于多传感器融合导航和建图。i2Nav-Robot数据集的主要特点如下：完整的传感器配置与精确的时间同步；通过立体相机、LiDAR和4D雷达实现多模态感知；复杂环境中的室内外无缝融合；10个序列，总时长14200秒，轨迹17000米；所有序列的精确地面真实姿态和速度。

The Intelligent and Integrated Navigation (i2Nav) Group from the GNSS Research Center of Wuhan University has open-sourced a multi-functional robotic dataset named i2Nav-Robot. This dataset was collected by wheeled robots in large-scale indoor and outdoor environments, and is applicable to multi-sensor fusion navigation and mapping. The main features of the i2Nav-Robot dataset are as follows: complete sensor configuration and precise time synchronization; multi-modal perception implemented via stereo cameras, LiDAR and 4D radar; seamless indoor-outdoor fusion in complex environments; 10 sequences with a total duration of 14200 seconds and a trajectory length of 17000 meters; accurate ground-truth poses and velocities for all sequences.

原始信息汇总

i2Nav-Robot数据集概述

数据集简介

• 名称：i2Nav-Robot
• 开发者：武汉大学GNSS研究中心智能与集成导航(i2Nav)小组
• 类型：大规模室内外机器人多传感器融合导航与建图数据集
• 采集平台：轮式机器人
• 主要特点：
  • 完整传感器配置与精确时间同步
  • 立体相机、LiDAR和4D雷达多模态感知
  • 复杂环境下的室内外无缝融合
  • 10个序列，总时长14200秒，轨迹总长17000米
  • 所有序列提供精确地面真实位姿和速度

传感器配置

传感器	类型	特性	频率(Hz)
i2Nav INS-Probe	GNSS/INS集成模块	紧凑低功耗，内置MEMS IMU和GNSS模块	-
Harxon CSX601A	GNSS天线	支持全GNSS频段	-
ADI ADIS16465	IMU	2°/hr偏置稳定性，0.15°/√hr角随机游走	200
Ublox F9P	GNSS	多系统支持，L1/L2双频	1
NovAtel OEM719	GNSS	多系统多频支持	1
AVT Mako-G234	立体相机	1600*1200分辨率，全局快门	10
Livox Mid360	LiDAR	360°水平视场，-7°~52°垂直视场	10
TDK ICM40609	IMU	4.5 mdps/√Hz，100 ug/√Hz	200
Hesai AT128	LiDAR	120°水平视场，-12.5°~12.9°垂直视场	10
Continental ARS548	雷达	120°水平视场，-20°~20°垂直视场	20
AgileX Ranger MINI3	里程计	速度分辨率0.001 m/s，角度分辨率0.001 rad	50
Cool Shark box	PTP主时钟	1.5 us @ 4 hr	-

地面真实系统

• 精度：位置0.02m，姿态0.01°
• 室外环境：采用NovAtel Inertial Explorer后处理GNSS/INS集成
• 室内环境：采用LiDAR地图匹配方法，使用Hesai AT128 LiDAR

数据集序列

序列名称	时长(s)	轨迹长度(m)
building00	1201	1673
building01	1369	1730
building02	2110	2522
parking00	1141	1583
parking01	1060	1224
parking02	1257	1442
playground00	1786	1711
street00	1380	1668
street01	1520	1660

数据格式

• ROS bag文件：包含所有传感器数据
• 原始文本文件：
  • IMU数据
  • GNSS定位数据
  • 地面真实导航结果
  • 里程计数据
  • 地面真实轨迹文件

下载信息

• 存储需求：约450GB
• 下载链接：
  • 百度网盘
  • OneDrive
• 校准文件：随仓库提供

许可证

• 未明确说明(需参考原始仓库)

联系方式

• 未明确说明(需参考原始仓库)

搜集汇总

数据集介绍

构建方式

i2Nav-Robot数据集由武汉大学GNSS研究中心的智能与集成导航团队构建，通过轮式机器人在大规模室内外环境中采集多模态传感器数据。数据采集过程中采用了高精度时间同步技术，确保各类传感器数据的时间一致性。数据集构建采用了导航级IMU作为真值系统，室外环境通过后处理GNSS/INS融合生成真值，室内环境则采用基于LiDAR的地图匹配方法获取定位结果。传感器配置包括立体相机、激光雷达、4D雷达等多种感知设备，覆盖了复杂场景下的多源数据采集需求。

特点

该数据集最显著的特点是实现了室内外环境的无缝融合，包含10个序列共计14200秒时长和17000米轨迹数据。数据集提供了精确的时间同步多模态感知数据，包括立体视觉、LiDAR点云和4D雷达检测信息。所有序列均配有高精度真值位姿和速度信息，位置精度达0.02米，姿态精度为0.01度。传感器配置方面，包含了ADIS16465 MEMS IMU、Ublox F9P GNSS接收机、AVT Mako-G234立体相机等先进设备，形成了完整的感知系统。

使用方法

数据集以ROS bag文件和原始文本文件两种格式提供，便于不同研究需求的使用。ROS bag文件包含标准传感器消息类型，需配合livox_ros_driver等特定ROS包解析。对于算法开发，建议利用提供的真值数据作为基准，通过多传感器融合方法验证导航与建图性能。数据集特别适合评估在GNSS拒止环境下的持续定位能力，研究者可基于立体视觉、LiDAR和雷达数据的互补特性，开发鲁棒的多传感器融合算法。校准文件和时间同步代码的提供，为系统级研究提供了便利条件。

背景与挑战

背景概述

i2Nav-Robot数据集由武汉大学GNSS研究中心的智能与集成导航（i2Nav）团队开发，旨在为多传感器融合导航与建图研究提供大规模室内外环境下的全面数据支持。该数据集通过轮式机器人在复杂场景中采集，包含立体相机、LiDAR、4D雷达等多种传感器的同步数据，覆盖10个序列，总时长14200秒，轨迹长度达17000米。其核心研究问题聚焦于解决室内外无缝导航中的多源传感器数据融合挑战，为自动驾驶、机器人定位与建图等领域提供了高精度的基准数据。该数据集的发布显著推动了多模态感知与导航算法的发展，成为相关领域研究的重要资源。

当前挑战

i2Nav-Robot数据集面临的挑战主要体现在两方面：领域问题层面，需解决室内外复杂环境下多传感器（如LiDAR与相机）数据时空对齐、GNSS拒止区域的定位精度退化等关键问题；数据构建层面，高精度时间同步（如PTP协议实现微秒级同步）、多模态传感器标定（如雷达与IMU的外参估计）、以及大规模场景中地面真值获取（如结合激光SLAM与惯性导航的后处理技术）均存在显著技术难度。此外，数据体积庞大（约450GB）对存储与计算资源提出了较高要求。

常用场景

经典使用场景

i2Nav-Robot数据集在机器人导航与地图构建领域具有广泛的应用价值。该数据集通过轮式机器人在大规模室内外环境中采集多模态传感器数据，包括立体相机、LiDAR、4D雷达等，为多传感器融合导航算法提供了丰富的实验平台。其精确的时间同步机制和高质量的传感器配置，使得该数据集特别适用于研究复杂环境下的定位、建图与路径规划问题。

解决学术问题

i2Nav-Robot数据集有效解决了机器人导航领域的多个关键学术问题。其提供的精确地面真实位姿和速度信息，为评估SLAM算法的精度和鲁棒性提供了可靠基准。同时，数据集涵盖的室内外无缝融合场景，为解决GNSS拒止环境下的持续定位难题提供了实验数据。此外，多模态传感器的同步采集数据，为研究异质传感器融合算法创造了理想条件。

衍生相关工作

基于i2Nav-Robot数据集，已衍生出多项重要的研究工作。武汉大学i2Nav团队开发的LE-VINS和FF-LINS开源算法，充分利用了该数据集的多传感器特性。在学术领域，该数据集支持了多篇关于视觉-惯性-激光融合导航的高水平论文。工业界也利用该数据集验证了多种商用SLAM系统的性能，推动了相关产品的迭代升级。