NavVis Indoor Dataset

NavVis室内数据集是一个包含超过50,000张高分辨率地理参考图像的集合，覆盖了慕尼黑工业大学12个不同建筑的超过50,000平方米的室内空间。数据集包括所有图像的外部姿态，记录于2015年8月至2016年3月之间，涵盖了多种室内空间，如不同的建筑风格和照明条件。

The NavVis Indoor Dataset is a collection comprising over 50,000 high-resolution georeferenced images, covering more than 50,000 square meters of indoor space across 12 different buildings at the Technical University of Munich. The dataset includes the external poses of all images, recorded between August 2015 and March 2016, encompassing a variety of indoor spaces such as different architectural styles and lighting conditions.

原始信息汇总

NavVis Indoor Dataset 概述

数据集基本信息

• 名称: NavVis Indoor Dataset
• 描述: 包含超过50,000张高分辨率图像，覆盖了慕尼黑工业大学12座建筑的超过50,000平方米室内空间。
• 时间范围: 记录于2015年8月至2016年3月。
• 特点: 包含多种室内空间类型和照明条件。

TUM LSI Dataset

• 描述: TUM LSI是NavVis Indoor Dataset的一个子集，包含1,314张高分辨率图像，覆盖了慕尼黑工业大学一座办公楼的一个完整楼层，面积为5,575平方米。
• 扫描ID: 2015-08-16_15.34.11
• 使用情况: Walch等人仅使用了cam0至cam4的摄像头，共计1,095张图像用于评估。

数据组织

• 结构: 数据集按连续扫描组织。
• 存储: 图像和对应的姿态分别存储在images和poses目录中。
• 标识: 每个扫描由其唯一的时间戳<scan_timestamp>标识。
• 图像分组: 图像按每组六张分组，每组在同一时间和捕获位置拍摄，编号从cam0至cam5。

数据格式

• 图像:
  • 格式: jpeg
  • 尺寸: 3448 × 4592像素
  • DPI: 180像素/英寸
  • 颜色空间: sRGB
• 姿态:
  • 格式: xml
  • 全局地理参考: WGS84
  • 扫描坐标系统: 相对于根节点的6DoF变换
  • 图像姿态: 相对于扫描坐标系统的6DoF变换

获取数据

• 联系方式: 通过电子邮件[e-mail]获取数据集图像。

搜集汇总

数据集介绍

构建方式

NavVis Indoor Dataset是通过在慕尼黑工业大学12座不同建筑的大型室内空间中，采用超过50,000张高分辨率图像构建而成。这些图像均具有地理参照坐标系中的外部位姿信息，记录时间为2015年8月至2016年3月。数据集以个体连续扫描的方式进行组织，每项扫描均具有唯一的时间戳标识，并包含相应图像及其位姿。

特点

该数据集的特点在于其覆盖面积广阔，超过50,000平方米，包含多种室内空间风格和照明条件，提供了丰富的建筑内部视觉信息。此外，数据集中的图像具有高分辨率，并以地理参照坐标系中的外部位姿信息进行标注，为室内定位研究提供了重要的基础数据。

使用方法

使用NavVis Indoor Dataset，用户需通过联系研究团队获取图像访问权限。数据集的结构分为图像和位姿两个主要目录，每个扫描都有独立的子目录。图像按捕获位置分组，每组六张，代表不同角度的拍摄。用户可通过对应的时间戳来识别和访问每个扫描的图像和位姿信息。

背景与挑战

背景概述

NavVis Indoor Dataset是一项由Technical University of Munich的研究团队于2015年至2016年间所构建的室内空间图像数据集。该数据集包含了超过50,000平方米的12座不同建筑的高分辨率图像，总计超过50,000张，旨在为大规模室内空间提供地理参照的图像资源。该数据集在计算机视觉领域，尤其是在室内定位和导航研究中，具有显著的研究价值，为相关算法提供了丰富的实验数据。

当前挑战

该数据集在构建过程中所面临的挑战主要包括：1)如何保证大规模室内空间图像的地理参照准确性；2)如何处理多样化的室内建筑风格和光照条件。在研究领域问题上，NavVis Indoor Dataset解决了室内定位的挑战，通过引入长短期记忆网络（LSTM）进行结构化特征相关性分析，实现了基于图像的室内定位，其性能与传统基于局部特征的方法相媲美或更优。

常用场景

经典使用场景

NavVis Indoor Dataset作为室内空间地理参照图像的集合，其经典使用场景主要在于室内定位与建图领域。该数据集提供了超过50,000平方米的12座不同建筑物的超过50,000张高分辨率图像，这些图像在地理位置上有明确的坐标参照，为研究者在室内空间中的视觉定位研究提供了丰富的数据资源。

衍生相关工作

基于NavVis Indoor Dataset，衍生出了TUM LSI Dataset等子数据集，这些子数据集在学术研究中同样具有重要价值。例如，TUM LSI Dataset被用于训练和评估基于图像的室内定位深度学习方法，其研究成果表明，这些方法在性能上能够与传统的基于局部特征的方法相媲美，甚至在某些情况下超越它们。

数据集最近研究

最新研究方向

NavVis Indoor Dataset作为室内空间定位领域的重要资源，近期研究方向主要集中在利用深度学习技术进行图像基于的室内定位。研究者Walch等人在2017年提出利用长短期记忆网络（LSTM）进行结构化特征相关性学习的方法，并在TUM LSI子数据集上进行了训练与评估。该研究不仅与传统的基于局部特征的方法性能相当，甚至在某些方面实现了超越。这一进展对于提升室内定位系统的准确性和鲁棒性具有重要的实践意义和理论研究价值。