https://www.cvlibs.net/datasets/kitti/user_register.php
下载第二个 对齐后的地图和gps
4Seasons：在具有挑战性的条件下对自动驾驶的视觉 SLAM 和长期定位进行基准测试
[2022 年 12 月 31 日提交]
https://arxiv.org/abs/2301.01147
https://www.4seasons-dataset.com/
350km+的记录,cm级精度的数据集！用于自动驾驶的视觉长期定位！TUM开源！#计算机视觉#数据集#慕尼黑工业大学@微信时刻 他们提出了一个新的数据集，涵盖了自动驾驶的季节性和挑战性感知条件。除其他外，它还支持视觉里程计、全球位置识别和基于地图的重新定位跟踪的研究。这些数据是在不同的场景下收集的，在各种天气条件和照明下，包括白天和夜晚。这导致了在九种不同环境中超过350公里的记录，从城市多层停车场（包括隧道）到乡村和公路。他们提供全球一致的参考姿态，精度高达厘米，通过将直接立体视觉惯性里程计与RTK-GNSS融合而获得。 论文地址：https://arxiv.org/abs/2301.01147
引用
@inproceedings{wenzel2020fourseasons,
author = {P. Wenzel and R. Wang and N. Yang and Q. Cheng and Q. Khan and L. von Stumberg and N. Zeller and D. Cremers},
title = {{4Seasons}: A Cross-Season Dataset for Multi-Weather {SLAM} in Autonomous Driving},
booktitle = {Proceedings of the German Conference on Pattern Recognition ({GCPR})},
year = {2020}
}
gvins
https://github.com/HKUST-Aerial-Robotics/GVINS-Dataset
鉴于当前许多“SLAM数据集汇总”的文章里夹带了许多并不适合跑SLAM的数据集，笔者将最常在论文里出现、且易于使用的数据集进行了整理，并给出他们的链接和各自的特点：
https://mp.weixin.qq.com/s/J6872xPeBHaxl39jbsHYxg
本文提出了一个由地面机器人收集的、新型的大规模数据集M2DGR。该地面机器人配备了一套完整的传感器，包括六个鱼眼RGB相机、一个指向天空的RGB相机、一个红外相机、一个事件相机（event camera）、一个视觉惯性传感器（VI-sensor,Visual-Inertial Sensor)、一个惯性测量单元（IMU,Inertial measurement unit）、一个激光雷达（LiDAR）、一个消费级的的全球导航卫星系统（GNSS,Global Navigation Satellite System）接收器和一个带有实时动态定位（RTK,real-time kinematic）信号的GNSS-IMU导航系统。以上的所有传感器都做了校准和同步，它们的所采集的数据被同时记录。轨迹真值是由运动捕捉设备、3D激光跟踪器和RTK接收器获得的。该数据集包括了含室内和室外环境等不同场景中采集到的36个序列（约1TB）。作者在M2DGR数据集上评估了最先进的SLAM算法。结果表明，现有的SLAM解决方案在某些情况下表现不佳。为了研究社区更好发展，我们将数据集和工具进行公开。项目网页：https://github.com/SJTU-ViSYS/M2DGR.
南洋理工开源无人机数据集！视觉-惯性-LiDAR-UWB，填补空白！
论文名：
NTU VIRAL: A visual-inertial-ranging-lidar dataset, from an aerial vehicle viewpoint
论文地址：
https://arxiv.org/pdf/2202.00379.pdf
作者单位：南洋理工大学
数据集地址：
https://ntu-aris.github.io/ntu_viral_dataset/
近年来，自主机器人在研究和日常生活中已经无处不在。公共数据集在这一领域的进展中扮演着重要的角色，因为它们避免硬件和人力的初始投资。然而，对于自主飞行系统的研究，似乎相对缺乏与自动驾驶和地面机器人相同的公共数据集。因此，为了填补这一空白，我们在一个装有大量传感器的空中平台上进行了数据收集工作:两个3D激光雷达，两个硬件同步全局快门相机，多个惯性测量单元(imu)，特别是多个超宽带(UWB)测距单元。综合传感器套件类似于自动驾驶汽车，但具有鲜明和具有挑战性的空中特征。我们在多个具有挑战性的室内和室外条件下记录了多个数据集。来自高精度激光跟踪仪的校准结果和地面真值也包括在每个包中。
1.M2DGR
https://github.com/SJTU-ViSYS/M2DGR
2022最新的SLAM数据集，7鱼目RGB+1针孔RGB+IMU+激光+红外+事件相机+GNSS原始信息，地面机器人。目前传感器信息最全的SLAM数据集，且所有序列均为rosbag格式，放在onedrive上，国内不用梯子也可以高速下载。作者很用心，大家可以给个star鼓励一下。我写了一篇博客进行介绍https://blog.csdn.net/qq_42928559/article/details/122034520?spm=1001.2014.3001.5501
2.KITTI
http://www.cvlibs.net/datasets/kitti/
２RGB＋２灰度＋IMU＋激光，车载。老牌自动驾驶数据集，引用量非常高
3.Tum VI
https://vision.in.tum.de/data/datasets/visual-inertial-dataset
2RGB+IMU，手持。最有名的vio数据集
4.Urbanloco
下载问题 一直中断
https://github.com/weisongwen/UrbanLoco
6RGB+IMU+LIDAR+GNSS原始信息，车载。针对于城市化程度高的环境
https://drive.google.com/drive/folders/121qGshjIAAgGuKmm3uYHv3SwXey7lXd3
5.Brno Urban
https://github.com/RoboticsBUT/Brno-Urban-Dataset
4RGB+IMU+LIDAR+红外，车载。bt格式下载，比较麻烦
6.EUROC
https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets
双目+RGB，无人机
7.openloris
https://lifelong-robotic-vision.github.io/dataset/scene
2RGB+LIDAR+IMU，小车。用于长期SLAM
8.forrest
https://etsin.fairdata.fi/dataset/06926f4b-b36a-4d6e-873c-aa3e7d84ab49/data
车载，用于森林环境
9.TUM RGBD
https://vision.in.tum.de/data/datasets/rgbd-dataset
RGB+depth，部分小车，部分手持
有人看的话，请点个赞，我就继续补充其他内容
这有个更完整的github
https://github.com/youngguncho/awesome-slam-datasets
