Collaborative SLAM Dataset (CSD)

这是一个用于SLAM的数据集，提供姿态和地图信息，适用于室内环境，包含IMU、相机和RGBD数据。

This is a SLAM-oriented dataset that provides pose and map information for indoor environments, and includes IMU, camera, and RGBD data.

原始信息汇总

Awesome SLAM Datasets 概述

数据集描述

本数据集是SLAM相关数据集的集合，特别关注提供位姿和地图信息的数据集。数据集链接至google site，并提供了一个简化的整体数据集图表，全版本可在项目页面查看。

数据集分类

按主题分类

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

按特性分类

• Large-scale: 城市级地图，公里级地图
• Long-term: 多会话，长期数据收集
• Map Complexity: 地图结构的变化
• Extreme Condition: 极端环境，运动

按平台分类

• Vehicle (Veh): 商用车辆（四轮道路车辆）
• Mobile robot (Mob): 移动机器人（如Husky, Rover等）
• Unmanned Aerial Vehicle (UAV): 无人机，包括无人机
• Autonomous Underwater Vehicle (AUV): 水下机器人，包括ROV
• Unmanned Surface Vehicle (USV): 水面车辆，如独木舟和船
• Hand-held Device (Hand): 人类手持平台

按环境分类

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

数据集示例

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
Complex Urban	KAIST-IRAP	2018	Veh	ICRA	Urban	O	O	O	O		O							Encoder
KAIST Day/Night	KAIST-RCV	2018	Veh	T-ITS	Urban	O		O	O	O	O	O						Thermal Camera
TUM-Visual-Inertial	TUM	2018	Hand	Arxiv	Indoor, Urban			O					O		O
Multi Vech Event	Upenn	2018	Veh	RA-L	Urban	O		O	O		O	O		O
VI Canoe	UIUC	2018	USV	IJRR	Terrain	O		O	O			O
MPO-Japan	ETH-RPG	2017	UAV / Hand	IJRR	Indoor	O		O				O		O
Underwater Cave	UDG	2017	AUV	IJRR	Underwater	O		O				O				O	O	Profiling Sonar
Robot @ Home	MRPT	2017	Mob	IJRR	Indoor	O	O			O	O		O					Semantic Labels
Zurich Urban MAV	ETH-RPG	2017	UAV	IJRR	Urban	O		O	O			O						Streetview images
Chilean Underground	Trimble	2017	Mob	IJRR	Terrain (Underground)	O					O	O			O			Encoder
SceneNet RGB-D	Imperial	2017	Hand	ICCV	Indoor	O				O			O
Symphony Lake	Georgia Tech	2017	USV	IJRR	Terrain (Lake)			O	O		O	O						PTZ camera, Longterm
Agricultural robot	Bonn	2017	Mob	IJRR	Terrain	O			O	O	O	O	O					Multispectral camera
Beach Rover	TEC-MMA	2017	Mob		Terrain	O		O	O		O	O	O					Encoder
EuRoC	ETH-ASL	2016	UAV	IJRR	Indoor	O	O	O				O
Cartographer	Google	2016	Hand	ICRA	Indoor			O			O	O
TUM-Mono	TUM	2016	Hand	Arxiv	Indoor, Urban										O			Photometric Calibration
Cityscape	Daimler AG	2016	Veh	CVPR	Urban	O			O	O		O
Solar-UAV	ETHZ	2016	UAV	CVPR	Terrain	O	O	O	O		O
CoRBS	DFKI	2016	Hand	WACV	Indoor	O	O						O
Oxford-robotcar	Oxford	2016	Veh	IJRR	Urban	O		O	O		O	O
NCLT	UMich	2016	Mob	IJRR	Urban	O		O	O		O							FOG
RPG-event	Kyushu U	2016	Veh	IROS	Urban, Terrain			O	O		O	O						FARO 3D
CCSAD	CIMAT	2015	Veh	CAIP	Urban			O	O			O
TUM-Omni	TUM	2015	Hand	IROS	Indoor, Urban							O
Augmented ICL-NUIM	Redwood	2015	Hand	CVPR	Indoor	O	O						O
Cambridge Landmark	Cambridge	2015	Hand	ICCV	Urban	O	O					O
ICL-NUIM	Imperial	2014	Hand	ICRA	Indoor	O	O						O
MRPT-Malaga	MRPT	2014	Veh	AR	Urban			O	O		O	O
KITTI	KIT	2013	Veh	IJRR	Urban	O		O	O	O	O	O
Canadian Planetary	UToronto	2013	Mob	IJRR	Terrain	O		O	O		O (sensor)	O
Microsoft 7 scenes	Microsoft	2013	Hand	CVPR	Indoor	O	O					O
SeqSLAM	QUT	2012	Veh	ICRA	Urban					O		O
ETH-challenging	ETH-ASL	2012	Hand	IJRR	Urban, Terrain			O	O		O	O	O
TUM-RGBD	TUM	2012	Hand / Mob	IROS	Indoor	O		O					O
ASRL-Kagara-airborne	UToronto	2012	UAV	FSR	Terrain			O	O			O
[Devon Island Rover](

搜集汇总

数据集介绍

构建方式

Collaborative SLAM Dataset (CSD) 是由牛津大学构建的，专注于室内环境的数据集。它通过多个会话收集长期数据，每个会话包含多个地图，这些地图通过IMU数据进行对齐，从而构建了一个具有多尺度地图复杂性的数据集。

使用方法

使用CSD数据集时，研究者可以访问到每个会话的地图和位姿信息，这些信息可用于评估和基准测试SLAM算法的性能。数据集以Google spreadsheets的简化版本呈现，完整版本可在项目页面获取。

背景与挑战

背景概述

Collaborative SLAM Dataset (CSD)是一款由牛津大学研发的室内定位与建图数据集，创建于2018年。该数据集利用Tango (Asus ZenFone AR)设备收集，专注于提供协同SLAM算法的测试与评估平台。其核心研究问题是提高室内环境中的定位与建图精度，对于推动机器人室内导航和增强现实技术的发展具有重要意义。

当前挑战

CSD数据集在构建过程中所面临的挑战主要包括：1)室内环境下复杂多变的地图结构和极端条件下的数据收集；2)多源数据融合与处理的挑战，如IMU、RGBD相机和Tango设备的数据同步与融合；3)数据标注与评估的准确性，确保数据集能够真实反映室内定位与建图的性能。

常用场景

经典使用场景

Collaborative SLAM Dataset (CSD) 被广泛应用于室内场景的协作 simultaneous localization and mapping (SLAM) 研究中，它提供了多个会话的数据，允许研究人员探索长期运行的SLAM系统的性能和稳定性。

解决学术问题

该数据集解决了室内环境中SLAM系统的长期稳定性和鲁棒性问题，为学术研究提供了关于多源数据融合、传感器校准、以及地图管理和重用等关键问题的实验基础。

实际应用

在实际应用中，CSD 数据集可用于开发室内导航系统、机器人自主移动、以及增强现实 (AR) 中的应用，为智能机器人的环境交互提供了数据支持。

数据集最近研究

最新研究方向

近期，Collaborative SLAM Dataset (CSD) 在机器人视觉领域引起了广泛关注。该数据集专注于室内环境，提供了丰富的位姿和地图信息，对于研究协同SLAM算法至关重要。在ICRA 2019会议上，关于数据集生成和SLAM算法基准测试的工作坊中，CSD数据集的新应用和前沿研究方法被广泛讨论，预示着该领域的研究将进一步深入。CSD数据集的特性和应用场景为室内定位、地图构建和协同导航提供了新的视角，对于提升机器人的环境适应能力和智能水平具有重要意义。