动态SLAM(Simultaneous Localization and Mapping with Dynamic Objects)是传统SLAM(同步定位与地图构建)的一个扩展,专注于处理动态环境中的物体。在动态环境下,SLAM不仅需要构建地图和定位,还要识别和处理动态物体(如人、车辆等)。因此,相关的数据集通常包含动态环境下的传感器数据(如激光雷达、相机、IMU等),并且标注了动态物体的运动轨迹。
以下是一些与动态SLAM相关的著名数据集:
1. KITTI Dataset
- KITTI Odometry Benchmark:这个数据集包含了从车辆中收集的视觉和激光雷达数据,适用于各种自动驾驶和SLAM任务。虽然原本不是专门为动态SLAM设计的,但数据中包含了大量的动态场景(如行人、其他车辆、交通信号等),因此广泛用于动态SLAM研究。
- KITTI Tracking Dataset:该数据集为动态物体跟踪提供了标注,包括不同的交通参与者(如行人、车辆)及其运动轨迹,适用于动态SLAM中的动态物体检测与跟踪。
2. TUM RGB-D Dataset
- TUM RGB-D 数据集主要包含通过RGB相机和深度传感器(如Kinect)获得的数据,适用于研究基于视觉的SLAM。虽然该数据集的主要目的是研究静态环境下的SLAM,但其部分数据集包含了动态物体,如人的移动,因此可以应用于动态SLAM的研究。
3. Oxford Robotcar Dataset
- Oxford RobotCar 是一个面向自动驾驶的高质量数据集,