M2DGR

M2DGR是由上海交通大学上海导航与位置服务重点实验室创建的一个大规模多传感器多场景SLAM数据集，专为地面机器人设计。该数据集包含36个序列，总数据量约1TB，涵盖室内外多种环境。数据集通过配备多种传感器（包括鱼眼相机、红外相机、事件相机、视觉惯性传感器等）的地面机器人收集，确保数据的高质量和多样性。创建过程中，通过精确校准和同步所有传感器，以及使用运动捕捉设备和激光3D跟踪器获取地面真实轨迹，确保数据的准确性。M2DGR数据集旨在推动SLAM技术在复杂环境中的应用，特别是在物流、安全、仓库管理等领域，通过提供丰富的实际场景数据，帮助研究人员评估和改进SLAM算法。M2DGR is a large-scale multi-sensor, multi-scenario SLAM dataset created by the Shanghai Key Laboratory of Navigation and Location-Based Services at Shanghai Jiao Tong University, purpose-built for ground robots. It contains 36 sequences with a total data volume of approximately 1 TB, covering a wide range of indoor and outdoor environments. The dataset is collected using ground robots equipped with an array of sensors, including fisheye cameras, infrared cameras, event cameras, visual-inertial sensors and others, to guarantee high data quality and diversity. During dataset construction, all onboard sensors were precisely calibrated and synchronized, and motion capture systems and laser 3D trackers were utilized to acquire ground-truth trajectories, thus ensuring the overall accuracy of the dataset. The M2DGR dataset aims to advance the application of SLAM technologies in complex environments, particularly in domains such as logistics, security and warehouse management. By providing abundant real-world scene data, it helps researchers evaluate and refine SLAM algorithms.

搜集汇总

数据集介绍

构建方式

M2DGR数据集由地面机器人收集而成，该机器人配备了包括六个鱼眼相机、一个指向天空的RGB相机、一个红外相机、一个事件相机、一个视觉惯性传感器（VI传感器）、一个惯性测量单元（IMU）、一个激光雷达、一个消费级的全球导航卫星系统（GNSS）接收器和一个带有实时运动学（RTK）信号的GNSS-IMU导航系统在内的完整传感器套件。所有这些传感器都经过良好的校准和同步，并且同时记录数据。地面真实轨迹是通过运动捕捉设备、激光3D追踪器和RTK接收器获得的。该数据集包含在室内和室外环境中捕获的36个序列（约1TB），这些序列场景多样。为了研究社区的利益，我们公开了数据集和工具。

特点

M2DGR数据集具有以下特点：1）大规模序列：包含室内和室外环境中的大量序列，可用于测试和比较各种算法；2）丰富的传感器信息：包含多个相机、激光雷达、IMU、GNSS、红外相机和事件相机等传感器数据，可用于多传感器融合算法的研究；3）多样化的场景：包含大厅、电梯、走廊、道路等多种场景，可用于测试SLAM算法在各种环境下的性能；4）真实的地面真实轨迹：使用运动捕捉设备、激光3D追踪器和RTK接收器获得地面真实轨迹，可用于评估SLAM算法的精度。

使用方法

M2DGR数据集可用于以下用途：1）SLAM算法的研究和开发：可用于测试和比较各种SLAM算法的精度和鲁棒性；2）多传感器融合算法的研究：可用于研究如何将不同类型传感器的数据融合起来，提高SLAM算法的性能；3）机器人导航算法的研究：可用于研究如何让机器人在各种环境中进行自主导航。

背景与挑战

背景概述

随着地面机器人在物流、安全、仓库清洁和食品配送等领域的广泛应用，同时定位与建图（SLAM）技术成为其实现可靠导航的关键。然而，现有的SLAM解决方案在实践中的应用效果并不理想，例如视觉SLAM在纹理较少或光线昏暗的环境中容易失效，而激光SLAM在长走廊或开阔区域则难以发挥优势。为了推动SLAM研究的发展，并使其更好地适应地面机器人的实际应用场景，上海交通大学的研究团队创建了M2DGR数据集。该数据集由地面机器人收集，配备了包括六个鱼眼相机、一个天空指向RGB相机、一个红外相机、一个事件相机、一个视觉惯性传感器（VI-sensor）、一个惯性测量单元（IMU）、一个激光雷达、一个消费级全球导航卫星系统（GNSS）接收器和具有实时运动学（RTK）信号的GNSS-IMU导航系统等在内的完整传感器套件。数据集包含36个序列（约1TB），涵盖了室内和室外环境中的各种场景。研究人员使用运动捕捉设备、激光3D跟踪器和RTK接收器获得了地面实况轨迹。M2DGR数据集的发布为SLAM研究提供了宝贵的资源，有助于评估和比较不同的SLAM算法，并促进SLAM技术在地面机器人导航中的应用。

当前挑战

M2DGR数据集所解决的领域问题是地面机器人SLAM，旨在推动SLAM技术在地面机器人导航中的应用。构建过程中所遇到的挑战包括：1) 需要收集包含多种传感器数据和不同场景的序列，以确保数据集的多样性和实用性；2) 需要对传感器进行精确校准和同步，以确保数据的一致性和准确性；3) 需要设计合理的评估指标和方法，以确保对不同SLAM算法的公平比较。

常用场景

经典使用场景

M2DGR数据集是专为地面机器人设计的SLAM研究数据集，其最经典的使用场景是评估和比较不同SLAM算法的性能。该数据集包含了室内外环境中的多种场景，例如大厅、电梯、走廊和道路，以及丰富的传感器数据，包括鱼眼相机、红外相机、事件相机、VI传感器、IMU、LiDAR、GNSS接收器和GNSS-IMU导航系统。通过对现有最先进的SLAM算法进行评估，M2DGR数据集揭示了现有算法在实际场景中的局限性，并指出了改进的方向。

实际应用

M2DGR数据集的实际应用场景包括物流、安防、仓库、清洁和送餐等。在物流机器人、餐饮机器人和服务机器人等应用中，机器人需要在不同场景中可靠地工作，例如进入电梯或从室外进入室内。M2DGR数据集提供了丰富的场景和传感器数据，可以帮助研究人员开发出更鲁棒的SLAM算法，从而提高地面机器人在复杂场景中的导航性能。

衍生相关工作

M2DGR数据集衍生了许多相关的工作，例如针对地面机器人SLAM算法的研究、多传感器融合算法的研究以及基于M2DGR数据集的SLAM系统开发。这些工作进一步推动了SLAM算法在地面机器人导航中的应用，并为开发更鲁棒的SLAM算法提供了重要的参考。