Awesome SLAM Datasets

本仓库收集了与SLAM相关的数据集，包括提供姿态和地图信息的各种SLAM数据集。数据集按主题、特性、平台和环境进行分类，涵盖了从车辆到手持设备等多种平台，以及从城市到水下等多种环境。

This repository compiles datasets related to SLAM (Simultaneous Localization and Mapping), encompassing a variety of SLAM datasets that provide pose and map information. The datasets are categorized by theme, characteristics, platform, and environment, covering a range of platforms from vehicles to handheld devices, and environments from urban to underwater settings.

原始信息汇总

数据集概述

本数据集是SLAM（同步定位与地图构建）相关数据的集合，专注于提供姿态和地图信息的SLAM数据集。数据集链接至Google站点，并提供了一个简化的整体数据集图表，完整版本可在项目页面查看。

数据集分类

按主题分类

• 里程计（Odometry）: 用于里程计基准的数据集。
• 地图构建（Mapping）: 用于地图构建任务的数据集。
• 地点识别（Place Recognition）: 提供地点（图像）对应关系的数据集。
• 定位（Localization）: 用于度量级定位的数据集。
• 感知（Perception）: 包含语义标签/对应关系的数据集。

按特征分类

• 大规模（Large-scale）: 城市级地图，公里级地图。
• 长期（Long-term）: 多会话，长期数据收集。
• 地图复杂性（Map Complexity）: 地图结构的变化。
• 极端条件（Extreme Condition）: 极端环境，运动。

按平台分类

• 车辆（Vehicle）: 商用车辆（四轮道路车辆）。
• 移动机器人（Mobile Robot）: 移动机器人（如Husky, Rover等）。
• 无人机（Unmanned Aerial Vehicle, UAV）: 包括无人机在内的无人空中机器人。
• 自主水下车辆（Autonomous Underwater Vehicle, AUV）: 包括ROV在内的水下机器人。
• 无人水面车辆（Unmanned Surface Vehicle, USV）: 如独木舟和船只的水面车辆。
• 手持设备（Hand-held Device）: 人类手持平台。

按环境分类

• 城市（Urban）: 城市、校园、城镇和基础设施。
• 室内（Indoor）: 室内环境。
• 地形（Terrain）: 粗糙地形、地下、湖泊和农场。
• 水下（Underwater）: 水下地板、洞穴。

新增数据集（2019-01-14更新）

• ADVIO Dataset: 由Aalto U提供，2018年，手持设备，城市环境。
• DeepIO Dataset: 由Oxford提供，2018年，手持设备，室内环境。
• Aqualoc Dataset: 由ONERA-DTIS提供，2018年，ROV，水下环境。
• Rosario Dataset: 由CONICET-UNR提供，2018年，移动机器人，地形环境。
• InteriorNet: 由Imperial College提供，2018年，手持设备，室内环境。
• SPO Dataset: 由TUM, Karlsruhe提供，2018年，手持设备，城市环境。
• Collaborative SLAM Dataset (CSD): 由Oxford提供，2018年，手持设备，室内环境。

数据集详细信息

Shortname	Affiliation	Year	Platform	Publication	Environment	GT-Pose	GT-Map	IMU	GPS	Labels	Lidar	Cameras	RGBD	Event	Radar	Sonar	DVL	Other
Collaborative SLAM Dataset (CSD)	Oxford	2018	Hand	TVCG/ISMAR	Indoor	O	O	O				O	O					Tango (Asus ZenFone AR)
ADVIO Dataset	Aalto U	2018	Hand	ECCV	Urban	O	O	O				O						iPhone, Tango, Pixel
DeepIO Dataset	Oxford	2018	Hand	Arxiv	Indoor	O		O
Aqualoc Dataset	ONERA-DTIS	2018	ROV	IROS WS	Underwater	O		O				O						Pressure Sensor
Rosario Dataset	CONICET-UNR	2018	Mob	IJRR (Under Review)	Terrain	O		O				O						Encoder
InteriorNet	Imperial College	2018	Hand	BMVC	Indoor	O	O	O		O		O	O	O				Texture, Lighting, Context, Optical Flow
SPO Dataset	TUM, Karlsruhe	2018	Hand	Arxiv	Urban	O						O						Plenoptic Camera

搜集汇总

数据集介绍

构建方式

本数据集是一个关于SLAM（同步定位与映射）相关数据集的集合。数据集的构建主要通过收集提供位姿和地图信息的SLAM数据集，涵盖了不同平台（如车辆、移动机器人、无人机等）和不同环境（如城市、室内、地形等）的多种数据集，从而为SLAM算法的研究和评估提供了一个全面的资源库。

特点

本数据集的特点在于其多样性、全面性和实用性。它包含了大型城市地图、长期数据收集、不同复杂度的地图结构以及极端环境下的数据，能够满足不同场景和需求下的SLAM算法研究和测试。此外，数据集的分类详细，便于用户根据特定的主题、特性或平台进行检索。

使用方法

用户可以通过项目页面获取数据集的简化版本图表，也可以使用Google表格中的完整版本。每个数据集都有详细的描述，包括数据来源、年份、平台、出版物、环境和所提供的传感器信息等。用户可以根据自己的需求选择合适的数据集，并遵循相应的使用条款和指南进行下载和使用。

背景与挑战

背景概述

Awesome SLAM Datasets是一个专注于同步定位与地图构建（SLAM）领域的精选数据集集合。该数据集由来自不同机构和研究人员于2018年创建，旨在为SLAM相关研究提供高质量的实验数据。数据集涵盖了多种平台和环境，包括车辆、移动机器人、无人机、水下机器人和手持设备，以及城市、室内、地形和水下环境。每个数据集都提供了位姿和地图信息，对于SLAM算法的性能评估和基准测试具有重要价值。

当前挑战

在构建过程中，该数据集面临的主要挑战包括：1）确保数据的多样性和广泛性，以解决SLAM领域中的多种问题，如定位、建图、感知等；2）处理不同平台和环境下的极端条件，如城市交通、室内定位、水下地形等；3）整合来自不同来源和格式的数据，以满足研究社区的统一标准和使用习惯。此外，数据集的持续更新和维护也是一个挑战，需要不断整合新的数据集和技术进展。

常用场景

经典使用场景

Awesome SLAM Datasets收集了多种与同步定位与映射(SLAM)相关的数据集，其经典使用场景在于为SLAM算法提供丰富的实验和评估数据。这些数据集涵盖了不同的平台和环境，如车辆、移动机器人、无人机等在室内、城市、地形和 underwater等环境下的数据，使得研究者可以在多样化的场景中测试和优化SLAM算法的性能。

衍生相关工作

基于Awesome SLAM Datasets，衍生出了许多相关的工作，如针对特定数据集的算法优化、跨数据集的性能评估方法、以及结合不同数据集特点的新型SLAM算法研究等。这些工作进一步扩展了SLAM技术的应用范围，并促进了相关领域的学术交流和技术创新。

数据集最近研究

最新研究方向

近年来，Awesome SLAM Datasets数据集在机器人导航、地图构建、定位与感知等研究领域得到了广泛关注。研究者们利用该数据集在视觉同步定位与建图（SLAM）技术方面取得了新的进展，特别是在处理复杂城市环境、室内场景以及水下地形等极端条件下的SLAM问题。此外，基于该数据集的多机器人协同SLAM、长期数据采集以及大规模地图构建等前沿研究方向也显示出显著的研究价值和应用潜力。