slam数据集整合

TUM数据集 TUM数据集下载链接 https://vision.in.tum.de/data/datasets/rgbd-dataset/download 由于 TUM数据集是从实际环境中采集的,需要解释一下它的数据格式(数据集一般都有自己定义的格式)。在解压后,你将看到以下这些文件: rgb.txt 和 depth.txt 记录了各文件的采集时间和对应的文件名。 rgb/ 和 depth/目录存放着采集到的 png 格式图像文件。彩色图像为八位三通道,深 度图为 16 位单通道图像。文件名即采集时间。 grou 阅读详情
根据大家的要求,在此整合一下常用的几个数据集。
我平时话太啰嗦了,这里就简单一些。(为啥编辑器的分隔线都这么萌)


1. Tum数据集
这个大家用的人都知道,RGB-D数据集,有很多个sequence,自带Ground-truth轨迹与测量误差的脚本(python写的,还有一些有用的函数)。
有一些很简单(xyz, 360系列),但也有的很难(各个slam场景)。
由于它的目标场景是机器人救援(虽然看不太出来),场景都比较空旷,许多时候kinect的深度只够看一个地板。对视觉算法可靠性的要求还是蛮高的。
网址: http://vision.in.tum.de/data/datasets/rgbd-dataset




2. MRPT
坛友SLAM_xian已经给出了地址:见此贴
含有多种传感器数据,包括双目,laser等等。
MRPT本身是个机器人用的开发包(然而我还是没用过),有兴趣的同学可以尝试。


3. Kitti
坛友zhengshunkai给出了地址:见此贴
著名的室外数据集,双目,有真值。场景很大,数据量也很大(所以在我这种流量限制的地方用不起……)。如果你做室外的请务必尝试一下此数据集。就算你不用审稿人也会让你用的。


4. Oxford数据集
含有一些Fabmap相关的数据集,用来验证闭环检测的算法。室外场景。它提供了ground-truth闭环(据说是手工标的,真是有耐心啊)。
网址:http://www.robots.ox.ac.uk/~mobile/wikisite/pmwiki/pmwiki.php?n=Main.Datasets#userconsent#


5. ICL-NUIM数据集
(又)是帝国理工弄出来的,RGB-D数据集,室内向。提供ground-truth和odometry。
网址:http://www.doc.ic.ac.uk/%7Eahanda/VaFRIC/iclnuim.html


6. NYUV2 数据集
一个带有语义标签的RGB-D数据集,原本是用来做识别的,也可以用来做SLAM。特点是有一个训练集(1400+手工标记的图像,好像是雇人弄的),以前一大堆video sequence。
网址:http://cs.nyu.edu/silberman/datasets/nyu_depth_v2.html (似乎访问有问题,不知道会不会修复)




7. KOS的3d scan数据集
一个激光扫描的数据集。
网址:http://kos.informatik.uni-osnabrueck.de/3Dscans/


由于个人精力(和流量)有限,不可能挨个去测一遍。请使用过的同学们说说用后感想,没列到的也欢迎补充。


Cityscapes:2015年,自动驾驶的数据集,主要识别(有像素级别的标注)

EuRoc数据集


_______________________________________________________________________________________________________________________________p泡泡机器人论坛提供下载链接


TUM

链接:https://pan.baidu.com/s/1nwXtGqH 密码:lsgr


KITTI

链接:https://pan.baidu.com/s/1htFmXDE 密码:uu20


DSO

链接:https://pan.baidu.com/s/1eSRmeZK 密码:6x5b


Mono

链接:https://pan.baidu.com/s/1jKaNB3C 密码:u57r


EuRoC

链接:https://pan.baidu.com/s/1miXf40o 密码:xm59


目前数据集的总大小是304GB!






TUM数据集官方说明&&相应的评估文件evaluate_rpe.py和evaluate_ate.py的使用 TUM数据集使用方法 TUM数据集的格式解读地址:https://vision.in.tum.de/data/datasets/rgbd-dataset/file_formats 文件格式 我们以以下格式提供来自Kinect的RGB-D数据集: 彩色图像和深度地图 我们以gzip格式的tar文件(TGZ)提供带有时间戳的颜色和深度图像。 彩色图像以PNG格式存储为640x480 8位RGB图像。 深度图存储为640x480的16位单色图像PNG格式。 颜色和深度图像已经使用PrimeSense的OpenNI 阅读详情

相关推荐

SLAM数据集TUM,KITTI,EuRoC数据集的下载地址与真实轨迹文件的查找

在SLAM的学习过程中,不可避免的会用到这些数据集来运行程序,并且还会将运行轨迹与相机真实轨迹作对比,下面就介绍SLAM常用数据集TUM,KITTI,EuRoC数据集的下载地址与真实轨迹文件的查找。

m0_60355964的博客 1万+

TUM RGBD数据集工具及使用

TUM RGBD数据集工具及使用 1. 工具 工具下载地址:https://vision.in.tum.de/data/datasets/rgbd-dataset/tools • add_pointclouds_to_bagfile.py 给bag中加入点云topic • associate.py 生成depth 和 rgb的匹配信息 • evaluate_ate.py 绝对误差评估,常用 • evaluate_rpe.py 相对误差评估 • generate_pointcloud.py 生成点云数据 •

weixin_41469272的博客 9374

激光与视觉SLAM完整学习路线

室内移动机器人导航系统(激光与视觉SLAM融合)的​​,整合基础理论、核心技术、系统集成及实战应用,结合最新研究成果与实践需求,总周期建议​​。

weixin_75051493的博客 1382

关于TUM数据集

2、验证回环检测算法,需要有人工标记回环的数据集。然而人工标记回环是很不方便的,我们会考虑根据标准轨迹计算回环。即,如果轨迹中有两个帧的位姿非常相近,就认为它们是回环。请根据TUM数据集给出的标准轨迹,计算出一个数据集中的回环。这些回环的图像真的相似吗?

weixin_46034116的博客 2348

视觉SLAM避坑指南:用YOLOv5+Mask R-CNN搞定动态场景(附VDO-SLAM配置)

本文深入探讨了在动态环境中实现鲁棒视觉SLAM的CPU级解决方案。针对传统SLAM在动态场景下易失效的痛点,文章详细介绍了如何将YOLOv5、Mask R-CNN等深度学习模型与几何方法(如光流、RANSAC)深度融合,以实时检测并剔除动态物体特征点,从而构建稳定的地图。内容涵盖模型轻量化部署、多线程集成、几何验证技巧以及在KITTI数据集上的实战调参经验,为资源受限的嵌入式平台提供了可行的技术路径。

weixin_29079643的博客 300

27、基于传感器融合实现移动机器人的鲁棒SLAM

本文介绍了一种基于多传感器融合的移动机器人鲁棒SLAM方法,涵盖了传感器配置、校准流程、数据集构建与评估方案。系统集成了帧相机、事件相机、IMU、GPS和激光雷达,并通过FPGA实现高精度时钟同步。采用Matlab和Kalibr等工具完成内外参及外参联合标定,利用高精度设备生成真值地图与位姿用于算法验证。通过对VINS-Fusion、A-LOAM、LIO-SAM等多种SLAM系统在不同平台和场景下的定量评估,结果表明基于激光雷达与IMU融合的方法在复杂环境中具有更优的定位与建图性能。

linux的博客 71

500公里SLAM数据集!多视觉异步SLAM系统(ICLR 2021)

作者| dianyunPCL 编辑| 点云PCL点击下方卡片,关注“自动驾驶之心”公众号ADAS巨卷干货,即可获取点击进入→自动驾驶之心【SLAM】技术交流群后台回复【SLAM综述】获取视觉SLAM、激光SLAM、RGBD-SLAM等多篇综述!摘要现有的多摄像机SLAM系统假设所有摄像机的快门都是同步的,这在实际使用中通常很难满足。在这项工作中,我们提出了一种考虑异步传感器观测的广义多相机S...

CV_Autobot的博客 872

数据集总结TUM、KITTI、EuRoC

下载自TUM的数据集,应该是最小的一个了,希望对大家有用

清华Mars Lab发布SLAM-Former:用一个Transformer统一SLAM的前端与后端(附项目地址)

SLAM-Former首次将完整SLAM能力整合到单一Transformer中,通过前端-后端的交替协作,在保持实时性的同时实现了全局一致性,在多个标准数据集上取得了领先的性能。当前局限与未来方向:后端全注意力的O(n²)复杂度限制可扩展性需探索稀疏注意力、令牌合并等Transformer加速技术支持纯局部前端模式,减少历史依赖SLAM-Former为神经SLAM的发展开辟了新方向,证明统一的前端-后端设计能在单一模型中实现高效、一致的SLAM能力,为机器人的长期自主运行奠定了基础。

Coovally_AI的博客 1194

xHCI驱动学习(1) 核心数据结构

虽然Linux内核拥有C语言构建的身体,但它骨子里散发的是面向对象的气质,这一个个的对象就是struct。面对一个内核模块的时候,首先要找出关键的struct和它们之间的关系,才能摸清代码的骨骼脉络。今天来理清USB xHCI相关的数据结构类型usb_hcd、xhci_hcd、hc_driver和全局变量xhci_pci_driver、xhci_hc_driver、xhci_pci_hc_driver之间的关系。

1万+

CGNS快速入门到实战(一):CGNS静态链接库编译

近期,由于需要将CGNS格式加入到教研组自编CFD求解器DUBHE中,所以本人展开了对于CGNS的学习。CGNS快速入门到实战这一系列分成三篇文章展开叙述,具体有:(一)CGNS静态链接库编译;(二)VS配置调用CGNS静态链接库编写;(三)CGNS文件及案例展示。本篇文章重点讲述CGNS静态链接库编译。

ahang_99的博客 3819

SLAM-Former:一个Transformer搞定SLAM-Former

同时课程详细介绍了。

2401_85116933的博客 1277

500多种目标检测数据集下载地址汇总(YOLO、VOC)

【目标检测】红外物体检测-人、自行车、公交、小车、摩托车、骑行者、动物等15000张YOLO+VOC(含部分截取增强图).zip。【目标检测】医用个人防护装备检测数据集981张5类别(口罩、工作服、护目镜、手套、面罩检测数据集)VOC+YOLO格式.zip。【目标检测】车辆分类数据集1880张7类VOC+YOLO(含摩托车、救护车、消防车、警车、警用摩托车、轿车、大车).zip。【目标检测】隐翅虫数据集386张VOC+YOLO【目标检测】隐翅虫数据集386张VOC+YOLO【目标检测】隐翅虫数据集。

2401_85863780的博客 9158

极市平台 | SLAM-Former:一个Transformer搞定SLAM,清华提出统一新范式

清华大学等机构提出SLAM-Former,将传统SLAM的前端跟踪与后端优化集成到单一Transformer模型中。该模型通过前后端协同机制,在多个数据集上实现了高精度定位与优质重建,同时保持10Hz以上的实时性能。SLAM-Former采用交替训练策略,使模型具备时序跟踪和全局优化双重能力,实验显示其轨迹误差和重建质量显著优于现有方法。这种端到端统一架构为SLAM系统提供了新思路,虽存在计算复杂度问题,但展现了Transformer在SLAM领域的巨大潜力。

csdn_xmj的博客 1109

Zotero PDF Translate插件实战:DeepL API免费申请与高效翻译配置指南

本文提供Zotero PDF Translate插件配置DeepL API的完整实战指南。详细介绍了如何免费申请DeepL API密钥,解决国内访问问题,并在插件中完成精细配置,实现文献阅读时的无缝划词翻译,大幅提升科研人员和学生的英文文献阅读效率。

rum55的博客 458

SAP BTP ABAP environment 集成本地系统实践:Cloud Connector、Connectivity service 与隧道通信全解析

摘要: 随着ABAP开发者向云端扩展业务逻辑,如何安全访问企业内网SAP系统成为关键问题。本文基于SAP官方文档,解析通过Cloud Connector和Connectivity service实现云端ABAP环境与本地系统集成的方案。 架构上分为四个角色:ABAP环境、Connectivity服务、Cloud Connector和内网系统。Cloud Connector作为内网出口,通过TLS隧道主动连接云端,避免防火墙开放入站端口。Connectivity服务则作为子账户级“总机”,自动路由请求。 实施

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 312

终身SLAM技术突破:Awesome_Dynamic_SLAM揭示长期环境适应的关键方法

Awesome_Dynamic_SLAM是一个专注于**动态环境SLAM**和**终身SLAM**研究的开源项目,汇集了基于激光雷达、视觉和传感器融合等多种技术路径的前沿成果。对于机器人在复杂动态场景中实现长期自主导航,该项目提供了从动态物体检测到地图持续更新的完整解决方案。 ## 动态环境SLAM的核心挑战与解决方案 在现实世界中,机器人面临的环境往往充满移动的行人、车辆或变化的场景元素。传

gitblog_00112的博客 482

CVPR 2023 中的半监督学习: FixMatch 的升级版 UniMatch

我们首先回顾下发表在 NeurIPS 2020 上的 FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence,FixMatch 是一种更轻量的半监督分类方法。如下图所示,FixMatch 首先使用模型(带标签数据训练后的)对弱增强的未标记图像进行预测,生成伪标签。对于给定的图像,只有在模型产生高置信度的预测时,伪标签才会被保留。然后,在输入同一图像的强增强版本时,训练模型预测伪标签。

NJU phd 在读。 2634

SLAM大牛Cyrill 开源SuMa ++:基于语义激光雷达过滤动态物体提高定位精度

背景 语义信息在智能导航中也起着重要的作用。在现实环境中,由于存在动态目标,传统的基于环境几何的方法很难实现可靠、准确的定位和制图。这些传统的几何方法由于动态物体的存在和结构的变形,往往会产生位置偏移。 本文提出了一种新的基于语义信息的激光雷达SLAM系统,较好地解决了实际环境中的定位和映射问题。该系统通过对激光雷达点云进行语义分割,获得点云级密集语义信息,并将语义信息集成到激光雷达SLAM中...

图像算法Imalg的博客 4756

基于Pascal VOC数据集的YOLOv8目标检测系统实现:人、鸟、猫、牛、电视、车等20类目标识别与UI界面部署全流程详解

VOC 2007、VOC 2012 两个主要版本;每个图像提供 bounding box(目标框)+ 目标类别;共计 20 类,所有图像手工标注,质量高。完整复现 Pascal VOC 20类检测任务成功训练 YOLOv8 模型实现可视化 UI + 实时检测系统支持多平台部署和演示。

YOLO 771

大模型对齐的核心引擎:RLHF三阶段完整技术体系详解——从InstructGPT到ChatGPT与Claude 4.6的工程实践

RLHF从InstructGPT起步,经由ChatGPT、Claude系列的工程实践,已演变为现代大语言模型不可或缺的对齐基础设施。其三阶段流程——SFT构建基础能力基线,奖励模型将人类偏好编码为可微信号,PPO以KL约束驱动策略向偏好分布优化——构成了当代对齐技术的核心骨架。OpenAI的路线侧重于以海量人工标注和多目标奖励建模持续精细化RLHF流程,在规模与工程深度上持续推进;

nmdbbzcl的博客 1065

保姆级教程:用改进版YOLOv8给ORB-SLAM3装上‘动态滤镜’,TUM数据集实测误差降96%

本文详细介绍了如何通过改进版YOLOv8与ORB-SLAM3的融合方案,显著提升动态环境下的SLAM性能。在TUM数据集测试中,该方案实现了96%的绝对位姿误差降低,每帧处理时间仅38毫秒。文章从轻量化模型改造、系统深度融合到实战部署,提供了全面的工程实现细节和性能优化技巧,助力开发者打造高精度的动态环境SLAM系统。

weixin_42619061的博客 140

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

结构化PLP-SLAM:单目、RGB-D和双目相机使用点线面的高效稀疏建图与定位方案

文章:Structure PLP-SLAM: Efficient Sparse Mapping and Localization using Point, Line and Plane for Monocular, RGB-D and Stereo Cameras作者:Fangwen Shu Jiaxuan Wang Alain Pagani Didier Stricker编译:点云PCL代码:h...

点云PCL 1906

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

Lafida数据集深度评测:多鱼眼+激光+动捕,真能提升SLAM精度吗?

本文深度评测了Lafida数据集在多传感器融合SLAM研究中的应用价值。该数据集整合三鱼眼相机、激光雷达与高精度动捕系统,显著提升复杂环境下的SLAM精度。通过硬件配置、数据标定和实战测试的详细分析,揭示了其在动态场景处理、大范围闭环等挑战中的独特优势,为SLAM算法研究提供了新的基准。

weixin_30399821的博客 308

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

下一篇: 研究记录--vslam 与SFM区别与联系
AaronJ1
博客等级 码龄12年 71粉丝 5原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值