M2DGR

多传感器多场景地面机器人SLAM数据集，一站式评估算法

M2DGR是一个面向地面机器人的多模态、多场景数据集，由上海交通大学发布，相关论文发表于RA-L 2021和ICRA 2022。该数据集旨在解决地面机器人在复杂环境中SLAM（同步定位与建图）研究缺乏高质量、多传感器融合基准的问题。它包含了多种传感器数据，如激光雷达、相机（双目和全景）、惯性测量单元、全球导航卫星系统、轮式编码器、红外相机等，并提供了地面真值。数据采集覆盖室内、室外、结构化和非结构化等多种场景，包括有挑战性的场景如长走廊、动态物体、光照变化等。核心能力在于为SLAM算法评估提供全面的数据支持和统一的评估标准，帮助研究者验证和比较不同算法在真实环境下的性能。

开源 free 数据集

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1204

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类数据集

开发团队SJTU-ViSYS

所属国家

官网地址

GitHubhttps://github.com/SJTU-ViSYS/M2DGR

定价模式free

价格说明开源数据集，免费获取

访问状态

是否开源是

开源协议MIT

主要语言

技术栈/模型dataset,robotics,slam

GitHub 星标★ 1204

30天Star增速

HF 下载量

上线时间2021-08-30 00:00:00

最近更新2026-09-15 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-06

浏览次数0

使用教程

难度：入门约 10 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

能访问 GitHub 的网络环境
已安装 git（用于克隆仓库）
根据需要评估的 SLAM 系统准备的运行环境（README 未具体说明）

安装与启动步骤

1克隆数据集仓库

把 M2DGR 仓库克隆到本地，README 未给出额外安装步骤，克隆后可直接阅读文档结构。
```
git clone https://github.com/SJTU-ViSYS/M2DGR.git
cd M2DGR
```
2阅读 Notice 了解数据特点

README 的 Notice 说明数据包含视觉、激光、IMU、GNSS、事件与热红外等传感器，覆盖电梯、街道、房间、大厅等场景。
3克隆配置文件仓库

README 在 CONFIGURATION FILES 中指向 sjtuyinjie/toolkit 仓库的 config_files 目录，克隆后可取用各 SLAM 系统配置。
```
git clone https://github.com/sjtuyinjie/toolkit.git
```
4选择对应系统配置

按要评测的 SLAM 系统挑选配置：A-LOAM、LeGO-LOAM、LINS、LIO-SAM、VINS-Mono、ORB-SLAM3（针孔/鱼眼/热红外）、CUBMAPSLAM。
5参考第三方配置

README 给出 CSDN 博客链接，其中汇总了 ORB-SLAM2/3、DM-VIO、FastLIO2、Fast-LIVO、Faster-LIO、hdl_graph_slam 等系统的配置。

关键配置

配置项	必填	说明	示例
`aloam_velodyne_HDL_32.launch`	否	A-LOAM 在 M2DGR 上的配置文件（toolkit 仓库）	`config_files/aloam/aloam_velodyne_HDL_32.launch`
`legoloam/run.launch`	否	LeGO-LOAM 的启动配置文件	`config_files/legoloam/run.launch`
`liosam/params.yaml`	否	LIO-SAM 的参数配置文件	`config_files/liosam/params.yaml`
`lins/exp_port.yaml`	否	LINS 的配置文件	`config_files/lins/exp_port.yaml`
`vins/mytest.launch`	否	VINS-Mono 的配置文件	`config_files/vins/mytest.launch`
`orb3/paperd435i.yaml`	否	ORB-SLAM3 针孔相机配置（另有鱼眼、热红外版本）	`config_files/orb3/paperd435i.yaml`

如何确认成功

README 未提供运行验证方式；确认仓库克隆成功、配置文件可在 toolkit/config_files 中打开即可。

常见问题

Q：这个仓库需要安装依赖吗？

A：README 没有给出安装命令或依赖列表，它是数据集说明仓库，主要提供传感器介绍与各 SLAM 系统的配置文件链接，安装依赖需参考你要评测的 SLAM 系统自身文档。

Q：数据集本身怎么下载？

A：README 节选中未给出数据下载地址与步骤，请以仓库页面最新说明为准，不要使用来源不明的镜像。

Q：配置文件在哪里？

A：README 指向 sjtuyinjie/toolkit 仓库的 config_files 目录，包含 A-LOAM、LeGO-LOAM、LINS、LIO-SAM、VINS-Mono、ORB-SLAM3、CUBMAPSLAM 等配置。

Q：没有我用的 SLAM 系统配置怎么办？

A：README 欢迎用户提交更多配置文件，可联系作者（Jie Yin）并附上你的配置，作者会发布到网站上。

注意事项

README 未提供安装、下载或运行命令，本教程步骤仅为克隆仓库与获取配置文件的通用准备动作。
使用配置时请确认所选配置文件与你的传感器组合（针孔/鱼眼/热红外、激光雷达型号）一致。
README 强烈建议新提出的 SLAM 算法在 M2DGR / M2DGR-plus / M3DGR / Ground-Challenge 上测试，以增强论文说服力。
数据集包含多种传感器与多场景，评测时建议覆盖长走廊、动态物体、光照变化等挑战场景。

核心亮点

传感器配置全面，包含激光、视觉、IMU、GNSS、轮式编码器等，支持多模态融合研究
覆盖室内外多种场景，含挑战性环境，能充分测试算法鲁棒性
提供高精度地面真值，便于定量评估SLAM精度

不足之处

数据集体积可能较大，下载和存储成本高
文档/社区待观察

适用场景

地面机器人SLAM算法性能基准测试
多传感器融合定位与建图研究
室内外复杂环境下的机器人导航开发

替代项目

KITTI、EuRoC MAV、TUM RGB-D

项目介绍

M2DGR 是一个数据集领域的开源项目，官方简介：M2DGR： a Multi-modal and Multi-scenario Dataset for Ground Robots(RA-L2021 & ICRA2022)。项目使用未知开发，在 GitHub 上获得 1201 星标。

上一篇：fg-data-synthetic

下一篇：mostlyai