对于许多无人驾驶或者 SLAM 初学者来说,搞一个真车或者选择一款良好的设备来进行算法测试通常是个很头大的问题,且还需要解决很多诸如传感器之间标定不好,多传感器时间未做同步,没有真正的 groundtruth 来检验算法的好坏等等问题。
而跑 KITTI 便是解决这些问题的一种行之有效的方法,但如果我们想要更多的数据呢?本文来源于 GitHub 仓库 youngguncho/awesome-slam-datasets,整理出了几乎所有提供姿位姿和地图信息的各种 SLAM 数据集。在获得授权我们对其关键词进行了简要的翻译。可以直接访问我们的 GitHub repo。
https://github.com/PaoPaoRobot/awesome-slam-datasets
值得补充的是,原文尚未提及 Apollo Scape 数据集和 ICRA 2019 的 Dataset Generation and Benchmarking of SLAM Algorithms for Robotics and VR/AR workshop 中的相关数据集(如The UZH-FPV Drone Racing Dataset 无人机快速竞赛数据集)。
00
总览
本文不仅收集了各式各样的数据集,和评估工具,并对其进行了按照不同标准的分类,供大家快速选择。
大家可以点击最后的原文链接查看本 GitHub Repo (PaoPaoRobot/awesome-slam-datasets) 来获得每个数据集的下载链接。
下图对每个数据集的来源机构,年份,环境,是否包含 GT pose,GT Map,IMU,GPS,语义标签,LIDAR,相机,事件相机,深度相机,雷达,声纳,多普勒速度记录,或其他相关信息进行了总结。
您可以在 repo 中查找到完整版表格或者根据此链接查看(需要访问外国网站):
https://sites.google.com/view/awesome-slam-datasets/
01
评估工具
02
按主题分类
里程计
建图
多样场景
定位
感知
03
按特点分类
大规模
长时间
复杂地图
极端情况
04
按载体平台分类
汽车
移动机器人
无人机
水下自主航行器
水面无人艇
手持设备
05
按环境分类
城市
室内
地形
水下