Hilti x Trimble SLAM Challenge 2026 Dataset
收藏资源简介：
该数据集是一个用于SLAM（同时定位与地图构建）挑战的开放和真实数据集，直接在活跃的建筑工地上捕获，旨在评估和比较SLAM系统在真实工业条件下的性能。数据集包含视觉-惯性传感器数据、激光雷达真值获取、相机和IMU校准信息，并以EuRoC格式和ROS包形式提供，适用于机器人、自动化和数字建筑工作流中的SLAM算法基准测试。
This dataset is an open, real-world benchmark dataset for SLAM (Simultaneous Localization and Mapping) challenges. Collected directly from active construction sites, it is intended to evaluate and compare the performance of SLAM systems under real industrial conditions. The dataset encompasses visual-inertial sensor data, LiDAR ground truth data, camera and IMU calibration information, and is distributed in both EuRoC format and ROS bag format, making it suitable for benchmarking SLAM algorithms in robotics, automation and digital construction workflows.
Hilti x Trimble SLAM Challenge 2026 数据集概述
数据集简介
该数据集旨在为视觉-惯性SLAM系统在真实工业场景下的评估与比较提供一个开放且现实的基准。数据集由Hilti、Trimble和牛津大学动态机器人系统组联合发布，数据直接采集自活跃的建筑工地，以应对变化的光照条件、重复纹理和部分施工进度等挑战性环境。
数据集发布与结构
- 早期发布：包含5个样本，已于2025年12月1日发布。
- 完整发布：计划于2026年2月1日发布。
- 数据存储：数据以ROS 2 bag文件格式提供，可通过提供的公开Google Drive文件夹获取。
- 文件夹结构：
BuchsIT/ └── floor_X/ ├── floor_X.png └── date/ ├── run_Y/ ├── rosbag/ │ └── rosbag.db3 │ └── metadata.yaml ├── trajectory.csv ├── floor_X_gt.png
数据序列详情
| 序列名称 | YouTube视频 | ROS Bag下载 | 真值类型 |
|---|---|---|---|
| Floor_1_2025_05_05_run_1 | https://youtu.be/CWM42dc7BLE | https://drive.google.com/file/d/1PT5qK7UpsAtU02QCTkAB1Tlvzt9k_16-/view?usp=drive_link | 定性视觉参考 (floor_X_gt.png) |
| Floor_2_2025_05_05_run_1 | https://youtu.be/C-Mdt5v9jyM | https://drive.google.com/file/d/1k45Ufau9T2y8w5GM0vjZbYuMTeMKn4gh/view?usp=drive_link | 定性视觉参考 (floor_X_gt.png) |
| Floor_2_2025_10_28_run_1 | https://youtu.be/kFmn1pZzGuY | https://drive.google.com/file/d/1QIJXWtxKeumwnOLKPsUdR-NvhW-ITbsx/view?usp=sharing | 定性视觉参考 (floor_X_gt.png) |
| Floor_2_2025_10_28_run_2 | https://youtu.be/8qetRNnEScs | https://drive.google.com/file/d/145Ramu4F3d74oOdzzSihlL0X6A5HDmFQ/view?usp=sharing | 定性视觉参考 (floor_X_gt.png) |
| Floor_UG_2025_10_16_run_1 | https://youtu.be/5dy1r1nFSzY | https://drive.google.com/file/d/1PoulmdfADZbfwLv7WyE9aTt8nMtSw_km/view?usp=sharing | 定量轨迹 (floor_UG_gt.csv， EuRoC格式) |
环境与序列属性
- 采集楼层：
- Floor UG：地下层。
- Floor 1：一层。
- Floor 2：二层。
- 序列特性：每个序列均在建筑工地环境中采集，且为闭环轨迹（起点与终点相同）。
- 特殊说明：
- Floor 2包含三个不同运行序列，其中两个由不同操作员在同一天采集。
- Floor 2的run 2序列和Floor UG序列在录制开始时包含有意的运动，作为应用场景的真实挑战。
传感器数据
数据通过ROS 2 bag提供，包含以下主题：
| 主题名称 | 消息类型 | 描述 |
|---|---|---|
/cam0/image_raw/compressed |
sensor_msgs/msg/CompressedImage |
前摄像头数据（RGB，1472×1440分辨率），为减小文件尺寸已压缩。 |
/cam1/image_raw/compressed |
sensor_msgs/msg/CompressedImage |
后摄像头数据（RGB，1472×1440分辨率），为减小文件尺寸已压缩。 |
/imu/data_raw |
sensor_msgs/msg/Imu |
原始IMU数据。 |
数据预处理工具
- 图像解压缩：提供了辅助节点，可在播放bag时实时解压缩视频流。
- 图像旋转：相机中的图像传感器是倒置的。提供了一个简单工具将图像旋转180度以便于可视化。
- 格式转换：提供了将ROS 2 bag转换为EuRoC数据集格式的脚本。
真值数据
- Floor UG：提供定量真值轨迹文件 (
floor_UG_gt.csv， EuRoC格式)。该真值使用激光雷达系统获取，并未与视频第一帧精确对齐，而是在视频开始后3.030716秒开始。 - 其他楼层：提供定性视觉参考图像 (
floor_X_gt.png) 以指示预期的轨迹形状。
采集设备
- 视觉-惯性传感器：Insta360 One-RS 1-Inch Edition。
- 传感器与镜头：配备两个1英寸CMOS传感器（与徕卡共同设计）。每个镜头为徕卡Summicron-A 6.52 mm f/2.2鱼眼镜头，提供约200°的极宽视场，实现完整的360°覆盖。
- 快门：传感器使用电子（滚动）快门。
- 集成IMU：包含一个6轴惯性测量单元（3轴陀螺仪 + 3轴加速度计）。运动数据内部记录并嵌入视频元数据中。
- 激光雷达（真值获取）：使用包含Hesai XT32激光雷达的激光雷达测绘设备，刚性连接在Insta360上用于生成参考轨迹。该传感器数据不包含在提供的ROS 2 bag中。
- 相机与IMU标定：提供了使用Kalibr工具箱获得的相机和IMU标定结果。原始标定记录也包含在公开驱动器中。
评估方法
主要评估指标将是估计的SLAM轨迹与参考（真值）轨迹之间绝对位姿误差的均方根误差。确切的评估程序细节将在2026年2月1日的官方发布中提供。
配套工具与示例
提供了基于ROS2 Humble和Ubuntu 22.04开发的工具，以简化数据处理。
- OpenVINS示例：提供了经过测试和配置的OpenVINS（领先的开源视觉-惯性里程计系统）运行示例，包括安装、运行脚本以及与楼层平面对齐的静态变换参数。
- Stella-VSLAM示例：提供了另一个开源vSLAM系统Stella-VSLAM的运行说明，该系统可直接处理360°等距柱状投影图像。
