Hilti-Trimble-Oxford Dataset

Hilti-Trimble-Oxford Dataset 是由喜利得、天宝及牛津大学等机构联合构建的高质量视觉-惯性基准数据集，专为评估SLAM和基于平面图的定位算法而设计。该数据集包含30个序列，采集自瑞士同一建筑工地长达八个月的建设周期，涵盖了七层楼的空间范围，数据形式包括360度全景视频、同步IMU测量值以及二维平面图，并提供了通过高精度激光雷达-惯性SLAM系统获取的真实轨迹作为基准。数据采集采用消费级360相机与嵌入式IMU，旨在以低成本方案捕捉现实建筑环境中的动态光照、快速运动、重复结构等挑战性场景。该数据集主要应用于建筑进度监控、机器人自主导航及计算机视觉领域，致力于推动视觉SLAM和平面图参照定位技术在复杂工业环境中的实用化发展。

The Hilti-Trimble-Oxford Dataset is a high-quality visual-inertial benchmark dataset jointly constructed by institutions including Hilti, Trimble, University of Oxford and others, specifically designed for evaluating SLAM and floor-plan-based localization algorithms. This dataset comprises 30 sequences collected over an 8-month construction period at the same construction site in Switzerland, spanning a 7-floor spatial area. Its data modalities include 360-degree panoramic videos, synchronized IMU measurements, and 2D floor plans, and it also provides ground-truth trajectories obtained via a high-precision LiDAR-inertial SLAM system as the benchmark reference. The data was collected using consumer-grade 360 cameras and embedded IMUs, aiming to capture challenging scenarios in real-world built environments such as dynamic lighting, fast motions, and repetitive structural patterns with a low-cost solution. This dataset is primarily applied in construction progress monitoring, robotic autonomous navigation and computer vision fields, and is committed to promoting the practical development of visual SLAM and floor-plan-referenced localization technologies in complex industrial environments.

搜集汇总

数据集介绍

构建方式

在建筑工地自动化监测的背景下，该数据集依托瑞士布克斯一座真实施工建筑，历时八个月采集，捕捉了结构演进的动态过程。构建中，传感器平台由一部Insta360 ONE RS 1英寸360相机与高精度LiDAR-惯性SLAM系统刚性连接而成。相机提供双鱼眼图像序列和1000Hz的IMU数据，经由Kalibr工具箱完成多相机内外参标定与相机-IMU外参标定。地面真值轨迹通过LiDAR-惯性SLAM系统后处理优化获得，并借助AprilTag板实现LiDAR至相机坐标系的外参转换。所有传感器数据按楼层存储为自包含的ROS 2 bag文件，同时提供简化的二值结构平面图与DXF格式图纸，作为定位任务的先验地图。

使用方法

数据集使用上，研究者可以直接处理ROS 2 bag中的IMU与双鱼眼图像流，用于视觉-惯性SLAM算法的开发和评估。在SLAM轨道中，提交的轨迹需经Kabsch刚性对齐后计算三维位置误差得分；而在基于平面图的定位轨道中，轨迹须直接在平面图坐标系中输出，仅评估二维位置误差。评价采用指数衰减得分函数，误差为零时得分为100，十米时降至1。官方基准排除了5条调优序列，SLAM轨道评估25条轨迹，定位轨道评估24条，满分分别为2500与2400分。挑战赛已吸引62支SLAM队伍和22支定位队伍，表明该基准兼具广泛适用性与专项研究的深度价值。

背景与挑战

背景概述

建筑施工行业在全球GDP中占有显著比重，却长期面临生产力提升缓慢、数字化程度不足、返工率高企以及安全风险突出等结构性困境。为应对这些挑战，利用机器人或人工携带的传感器进行环境建图以实现自动化进度监测，已成为学界与工业界的共同探索方向。在此背景下，由Hilti AG、牛津大学、Trimble Inc.、苏黎世联邦理工学院及Visio & Robotics GmbH于2026年联合发布了Hilti-Trimble-Oxford数据集。该数据集聚焦于施工现场这一复杂动态环境，旨在为基于360度视觉与惯性测量单元的同步定位与建图以及楼层平面图参考定位研究提供高精度的基准测试平台。其核心贡献在于提供了跨越七层楼、历时八个月、涵盖30条序列的丰富数据，并附有通过高精度LiDAR-惯性SLAM系统获取的真实轨迹，为评估低成本视觉传感器在真实施工场景中的鲁棒性奠定了基础，有力推动了相关领域的技术演进。

当前挑战

该数据集所针对的领域核心挑战在于施工现场的动态性与结构演进性，要求定位与建图算法能够应对光照条件剧烈变化、工人移动干扰、快速六自由度运动以及重复性纹理结构等严苛环境。具体而言，视觉SLAM面临在弱纹理、低光照和剧烈运动条件下维持稳定特征跟踪与精准位姿估计的难题，而将轨迹精准配准到2D楼层平面图则需克服先验地图与现场动态结构（如临时隔断、未建成墙体）之间的差异。在数据集构建过程中，挑战同样显著：传感器定标需在双鱼眼相机视野重叠有限的条件下精确完成内外参及滚动快门参数的联合校准，长周期采集需处理建筑结构自然演变导致的同一地点外观变化，而将LiDAR真实轨迹精确对齐到随时间变化的楼层平面图则需要复杂的多阶段配准流程，并容忍约2厘米的结构偏差。这些多层次挑战共同构成了该基准在推动鲁棒室内视觉定位研究方面的重要价值。

常用场景

经典使用场景

Hilti-Trimble-Oxford Dataset的核心价值在于为视觉与惯性状态估计领域提供了一个聚焦于真实施工环境的全方位基准平台。该数据集最经典的使用场景是评估和比较视觉SLAM（同步定位与地图构建）算法在非结构化和动态演进环境中的性能。借助30条涵盖七个楼层且跨越八个月施工周期的360度视觉-惯性序列，研究者能够在高精度LiDAR-惯性真值轨迹的监督下，系统性地测试SLAM系统在光照剧烈变化、动态人员干扰、快速运动以及重复性结构等严苛挑战下的鲁棒性与精度。此外，该数据集还专门设计了基于二维建筑平面图先验的定位任务，这使得它成为评估仅依赖视觉信息与简洁先验地图进行全局定位算法的独特标杆。

解决学术问题

该数据集显著解决了传统SLAM基准难以触及的学术研究问题：如何在低纹理、高动态且持续演变的大规模室内建筑环境中实现鲁棒的视觉状态估计。它深入探讨了消费级广角相机与惯性测量单元在精度有限且无硬件时间同步条件下的协同工作极限，弥补了LiDAR主导的高成本方案与纯视觉低成本方案之间的鸿沟。其意义在于，它推动了SLAM研究从静态实验室场景向真实施工场景的范式迁移，揭示了动态初始化、极端光照和结构重复性对算法失效的根本影响。通过公开挑战赛的量化结果，该数据集首次系统性地展示了基于语义分割的平面图配准定位方法的优越性能，从而为学术界指明了通往高可靠性施工监测算法的关键路径。

实际应用

在实际应用层面，Hilti-Trimble-Oxford Dataset为建筑施工领域的自动化进度监控提供了坚实的技术验证基础。它直接服务于机器人巡检与人工携带式测绘系统，使得现场管理者能够利用低成本360度相机和惯性数据，频繁、安全地获取建筑项目的‘当前真实状态’三维地图。通过与简化的二维建筑平面图进行对比，该数据集支撑了高效的‘变更检测’应用，能够及时发现建造偏差或施工错误，从而节省巨额的返工成本与时间。此外，该数据集还支持构建建筑物的数字孪生档案，为项目竣工验收和维护管理提供不可篡改的文档证据，推动了整个建筑行业从传统经验管理向数据驱动的智能管理的跨越。

数据集最近研究

最新研究方向

针对建筑工地环境下的视觉-惯性同步定位与建图（SLAM）及基于2D平面图的定位问题，该数据集聚焦于低成本360度相机与惯性测量单元（IMU）的融合方案。前沿研究集中在利用全景视觉和惯性数据，在缺乏纹理、光照变化剧烈、存在动态障碍物及重复结构的施工场景中，实现亚米级精度的轨迹估计。近期热点包括基于多特征（点、线、结构边缘）的视觉-惯性里程计优化、结合语义分割的墙面检测以对齐平面图，以及利用全局束调整与闭环检测减少累积漂移。该数据集的重要影响在于填补了建筑领域高保真视觉-惯性基准的空白，推动实际施工监测中从昂贵激光雷达向低成本视觉系统的过渡，并验证了跨模态数据融合在结构演化环境中的鲁棒性。

相关研究论文

• Hilti-Trimble-Oxford Dataset: 360 Visual-Inertial Benchmark with Floor Plan Priors for SLAM and Localization

  喜利得股份公司·企业研究与技术部; 牛津大学·动态机器人系统组; 苏黎世联邦理工学院·机器人系统实验室; Vision & Robotics 有限公司; 天宝公司 · 2026年