sjtuyinjie/M3DGR

解决的问题

针对地面机器人在"退化环境"中运行时传感器可能失效或提供不可靠数据（如黑暗、轮滑、LiDAR退化）的情况，解决对鲁棒性SLAM的需求。

工作原理

该项目提供三种方法以提升地面SLAM性能：

1. M3DGR基准：一个包含32个序列的综合性数据集，涵盖多种挑战性场景，包括视觉挑战（黑暗、遮挡）、LiDAR退化（走廊、电梯）、轮滑（草地、崎岖道路）以及GNSS不可用。
2. Ground-Fusion++：一种模块化SLAM框架，整合异构传感器，即使单个传感器受损，也能维持定位与建图质量。
3. 全面评估：对超过40种前沿SLAM方法在M3DGR数据集上的基准测试，建立性能基线。

适用对象

专为开发SLAM和定位算法的机器人研究人员及工程师设计，需要一个标准化、具有挑战性的数据集来测试鲁棒性和传感器融合能力。

亮点

• 多样化的传感器套件：包含双LiDAR（Livox Avia 和 MID-360）、RGB-D与全向摄像头、轮式里程计、GNSS和RTK。
• 系统性退化场景：特别采集了光照变化、动态障碍物和复杂地形等边缘情况下的数据，用于测试极限场景。
• 高精度真值：使用OptiTrack动作捕捉系统、RTK和ArUco标记进行精确验证。
• 丰富的基线实现：提供40种不同SLAM算法的适配代码，便于公平比较。