M2DGR
由地面機器人錄製的多模態、多情境 SLAM 資料集(RA-L 2022)
授權條款
MIT
概述
M2DGR(Multi-modal and Multi-scenario Dataset for Ground Robots)來自 Shanghai Jiao Tong University,是由輪式地面機器人錄製、用於 SLAM 與定位研究的評測資料集。其感測器組合包括六台魚眼攝影機、一台朝天的魚眼攝影機、一台透視彩色攝影機、一台紅外線攝影機、一台事件攝影機、一具 32 線 Velodyne 光達(LiDAR)、慣性量測單元(IMU) 與 GNSS,共錄製 36 個序列,涵蓋電梯、辦公室、街道、夜間行駛與無 GNSS 的空間,全部附有高精度的真值。發表於 IEEE RA-L 2022,並在 ICRA 2022 上發表。
M2DGR 填補了 SLAM 評測基準的一個盲點:大多數經典資料集是由汽車(KITTI)或手持/無人機裝置(EuRoC)錄製,使得地面機器人(有振動、視角低,且任務常在室內外之間切換)缺乏代表性。這台機器人搭載格外豐富的感測器組合(六台環景魚眼、朝天魚眼、RGB、紅外線、事件攝影機、32 線光達(LiDAR)、9 軸慣性量測單元(IMU)、雙 GNSS),具備硬體時間同步與完整的校準檔案。36 個序列刻意對估計器施加壓力:進出與搭乘電梯、黑暗的房間、夜間街道、長距離的戶外迴圈,以及伴隨 GNSS 訊號中斷的室內外轉換。真值依場地而定,來自雷射追蹤儀與 RTK/INS。所有資料都以 ROS bag 提供,並附工具、校準與評估指引,配套的 M2DGR-plus 擴充則加入更多序列。它已成為光達、視覺、熱像與多感測器 SLAM 論文的標準評估資料集。
為何重要
M2DGR 填補了 SLAM 評測基準中地面機器人的空缺:它是在輪式平台上錄製、感測器最豐富的公開資料集之一,而其刻意嚴苛的情境(電梯、黑暗、無 GNSS)讓它成為現代多感測器 SLAM 系統的標準壓力測試。
解決的問題
以汽車與無人機資料集調校的 SLAM 系統,在室內外混合任務中的地面機器人上經常失效。M2DGR 提供研究人員所需的多模態、經真值驗證的序列,以開發並如實評估適用於配送機器人、自主移動機器人(AMR)與巡檢平台的估計器。
重點
- 36 個序列,涵蓋辦公室、電梯、街道、夜間與無 GNSS 的情境
- 十多個同步感測器:6 台魚眼、朝天魚眼、RGB、紅外線、事件攝影機、32 線光達(LiDAR)、IMU、GNSS
- 以雷射追蹤儀(室內)與 RTK/INS(戶外)取得高精度真值
- 以已校準的 ROS bag 發行,並附工具與評估指引
- 發表於 RA-L 2022/ICRA 2022,並有 M2DGR-plus 擴充提供更多情境
適用對象
- SLAM 與感測器融合研究人員
- 評估定位功能的地面機器人與自主移動機器人(AMR)開發者
- 評測基準維護者與重視可重現性的實驗室
- 學習多感測器校準與評估的學生
限制
- 單一平台與城市(SJTU 校園一帶),地理與平台的多樣性有限
- 下載量龐大(數百 GB),部分託管於特定地區的鏡像站
- 僅有輪式機器人的動態,無法代表足式或高速平台