Back to datasets
Dataset assetOpen Source CommunityLiDARSLAM
tiers-lidar-dataset-enhanced
本数据集名为tiers-lidar-dataset-enhanced，由芬兰图尔库大学的图尔库智能嵌入式与机器人系统实验室创建。数据集包含9个序列，涵盖室内、室外和森林等多种环境，用于评估多模态激光雷达同步定位与地图构建（SLAM）算法。数据集通过集成高分辨率旋转和固态激光雷达，以及激光雷达相机和立体鱼眼相机，提供精确的地面实况数据。创建过程中，采用SLAM辅助的ICP基传感器融合方法生成地面实况地图，并通过自然分布变换（NDT）方法匹配实时点云数据。该数据集主要应用于自主驾驶和机器人导航领域，旨在解决在GNSS拒绝环境中的高精度定位问题。
Source
arXiv
Created
Oct 3, 2022
Updated
Oct 3, 2022
Signals
266 views
Availability
Linked source ready
Overview
Dataset description and usage context
数据集概述
数据集名称
A Benchmark for Multi-Modal Lidar SLAM with Ground Truth in GNSS-Denied Environments
数据集简介
该数据集用于评估在无GNSS环境下基于激光雷达的SLAM算法。数据集包含多种激光雷达传感器数据，包括旋转式和固态激光雷达，以及激光雷达相机。通过多模态激光雷达传感器融合方法生成地面真实地图，用于评估SLAM算法的定位精度、内存和计算资源消耗。
主要贡献
- 提出了一种在无MOCAP或GNSS/RTK环境下的地面真实轨迹生成方法，利用多模态数据采集平台和高分辨率传感器。
- 提供了一个包含5种不同激光雷达传感器、一个激光雷达相机和一个立体鱼眼相机的数据集，涵盖多种环境。
- 对十种基于滤波和优化的SLAM方法进行了基准测试，评估了其里程计精度、内存和计算资源消耗。
数据集更新
- 2022.09.20 初始数据集上传
- 2022.09.20 更新rosbag链接
数据集序列
主要数据集
| 序列名称 | 采集日期 | 总大小 | 时长 | 特征 | Rosbag链接 | 地面真实数据链接 |
|---|---|---|---|---|---|---|
| Indoor06 | 2022-08-10 | 19.7g | 64s | 白天,室内,办公室 | Rosbag | SLAM+ICP |
| Indoor07 | 2022-07-16 | 22.4g | 73s | 白天,室内,办公室 | Rosbag | SLAM+ICP |
| Indoor08 | 2022-07-05 | 33.1g | 89s | 白天,室内,办公室 | Rosbag | SLAM+ICP |
| Indoor09 | 2022-07-11 | 48.7g | 168s | 白天,室内,走廊 | Rosbag | SLAM+ICP |
| Indoor10 | 2022-06-07 | 43.0g | 121s | 白天,室内,走廊 | Rosbag | SLAM+ICP |
| Indoor11 | 2021-06-06 | 79.5g | 237s | 白天,室内,大厅 | Rosbag | SLAM+ICP |
| Road3 | 2022-06-17 | 44.0g | 146s | 夏季,室外,道路 | Rosbag | GNSS/RTK |
| Forest01 | 2022-02-08 | 21.9g | 62s | 冬季,夜晚,广场 | Rosbag | MOCAP |
| Forest02 | 2022-02-08 | 22.4g | 73s | 冬季,夜晚,直线 | Rosbag | MOCAP |
地面真实数据
地面真实数据文件包含以下列：
timestamp, pose.position.x, pose.position.y, pose.position.z, pose.orientation.x, pose.orientation.y, pose.orientation.z, pose.orientation.w
其他数据
| 序列名称 | 采集日期 | 总大小 | 时长 | 特征 | Rosbag链接 |
|---|---|---|---|---|---|
| LidarsCali | 2022-02-11 | 21.9g | 19.1s | 房间 | Rosbag |
传感器参数
传感器规格如下：
- 角度分辨率可配置于OS1-64（垂直视场角可变）。
- Livox激光雷达具有非重复扫描模式，随着积分时间的增加，角度分辨率更高。
- 范围基于制造商信息，对应80%朗伯反射率和100 klx阳光，L515和Realsense T265激光雷达相机除外。
ROS主题
基于NDT方法的数据集
| 传感器类型 | ROS主题 |
|---|---|
| VLP-16 LIDAR | /velodyne_points sensor_msgs/PointCloud2 |
| OS0 LIDAR | /os0_cloud_node/imu sensor_msgs/Imu/os0_cloud_node/points sensor_msgs/PointCloud2/os0_img_node/nearir_image sensor_msgs/Image/os0_img_node/range_image sensor_msgs/Image/os0_img_node/reflec_image sensor_msgs/Image |
| OS1 LIDAR | /os1_cloud_node/imu sensor_msgs/Imu/os1_cloud_node/points sensor_msgs/PointCloud2 |
| Horizon LIDAR | /horizon/livox/imu sensor_msgs/Imu/horizon/livox/lidar livox_ros_driver/CustomMsg |
| AVIA LIDAR | /avia/livox/imu sensor_msgs/Imu/avia/livox/lidar livox_ros_driver/CustomMsg |
| L515 LIDAR CAMERA | /l515/accel/sample sensor_msgs/Imu/l515/color/image_raw sensor_msgs/Image/l515/depth/color/points sensor_msgs/PointCloud2/l515/depth/image_rect_raw sensor_msgs/Image/l515/gyro/sample sensor_msgs/Imu |
| T265 LIDAR CAMERA | /t265/accel/sample sensor_msgs/Imu/t265/fisheye1/image_raw sensor_msgs/Image/t265/fisheye2/image_raw sensor_msgs/Image/t265/gyro/sample sensor_msgs/Imu/t265/odom/sample nav_msgs/Odometry |
基于MOCAP或GNSS/RTK的数据集
| 传感器类型 | ROS主题 |
|---|---|
| VLP-16 LIDAR | /velodyne_points sensor_msgs/PointCloud2 |
| OS0 LIDAR | /os0_cloud_node/imu sensor_msgs/Imu/os0_cloud_node/points sensor_msgs/PointCloud2/os0_img_node/nearir_image sensor_msgs/Image/os0_img_node/range_image sensor_msgs/Image/os0_img_node/reflec_image sensor_msgs/Image |
| OS1 LIDAR | /os1_cloud_node/imu sensor_msgs/Imu/os1_cloud_node/points sensor_msgs/PointCloud2 |
| Horizon LIDAR | /horizon/livox/imu sensor_msgs/Imu/horizon/livox/lidar livox_ros_driver/CustomMsg |
| AVIA LIDAR | /avia/livox/imu sensor_msgs/Imu/avia/livox/lidar livox_ros_driver/CustomMsg |
| L515 LIDAR CAMERA | /l515/accel/sample sensor_msgs/Imu/l515/color/image_raw sensor_msgs/Image/l515/depth/color/points sensor_msgs/PointCloud2/l515/depth/image_rect_raw sensor_msgs/Image/l515/gyro/sample sensor_msgs/Imu |
| T265 LIDAR CAMERA | /t265/accel/sample sensor_msgs/Imu/t265/fisheye1/image_raw sensor_msgs/Image/t265/fisheye2/image_raw sensor_msgs/Image/t265/gyro/sample sensor_msgs/Imu/t265/odom/sample nav_msgs/Odometry |
| MOCAP SYSTEM | /vrpn_client_node/optitest/pose geometry_msgs/PoseStamped |
| GNSS/RTK | /mavros/global_position/global sensor_msgs/NavSatFix/mavros/global_position/local nav_msgs/Odometry/mavros/global_position/raw/fix sensor_msgs/NavSatFix/mavros/global_position/raw/gps_vel geometry_msgs/TwistStamped/mavros/global_position/raw/satellites std_msgs/UInt32/mavros/imu/data sensor_msgs/Imu/mavros/imu/mag sensor_msgs/MagneticField/mavros/local_position/odom nav_msgs/Odometry |
开发工具包
帧ID重置
使用srv_tools工具更改每个主题的frame_id。
可视化数据
- Ubuntu 64位16.04或18.04
- ROS Kinetic或Melodic
- PCL
- Livox ROS Driver
评估
使用evo工具进行评估。
校准
- 激光雷达外参校准工具
- IMU内参校准工具
- 相机与Livox激光雷达外参校准工具
传感器详细信息和数据表
Need downstream help?
Pair the dataset with AI analysis and content workflows.
Once the source passes your review, move straight into summarization, transformation, report drafting, or presentation generation with the JuheAI toolchain.