参考1: SLAM公开数据集_suland数据集下载-CSDN博客
https://www.codetd.com/article/11675863 (重庆大学, 机器人与智慧系统实验室 （Robot Intelligence System-LAB）)
SLAM 14讲 单目稠密重建的数据集
ch13 用于单目稠密重建的数据集, remode_test_data.zip
书本网址(http://rpg.ifi.uzh.ch/datasets/remode_test_data.zip)已失效, 参考
- 链接：https://pan.baidu.com/s/1CuVT7354QH7rC6e_zw0xgA
- 提取码：pcxz
TUM
- 链接：https://pan.baidu.com/s/1nwXtGqH 密码：lsgr
- RGB-D 数据集:
- 链接 https://pan.baidu.com/s/1W8tBo_QHpAHNyer10dW0Zg 提取码：di9m
- 源地址： https://vision.in.tum.de/data/datasets/rgbd-dataset
- VIO 数据集
- 链接：https://pan.baidu.com/s/1L_pkIjulO-BzFXjn1h5P6w 提取码：17yi
- DSO中运行的单目数据集:
- 链接：https://pan.baidu.com/s/1g4xWvyAO_864UXqXVP1XqA
- 提取码：zdqi
KITTI
- KITTI 道路数据集: http://suo.nz/2tY0Jt
- 链接：https://pan.baidu.com/s/1htFmXDE 密码：uu20
- 灰度序列（data_odometry_gray.zip）
- 链接：https://pan.baidu.com/s/1lYeVi3z6jLEtQ1QmMldFcA 提取码：bk80
- 源地址： http://www.cvlibs.net/datasets/kitti/eval_odometry.php
-
彩色序列（data_odometry_color.zip）
-
链接：https://pan.baidu.com/s/14i5zB0OuPRHX0SMQiZyO_g
-
提取码：cqk9
-
源地址： http://www.cvlibs.net/datasets/kitti/eval_odometry.php
-
-
激光序列（data_odometry_velodyne.zip）
-
链接：https://pan.baidu.com/s/1s7LNk-irdsWr69LYVc_q_w
-
提取码：2u88
-
源地址： http://www.cvlibs.net/datasets/kitti/eval_odometry.php
-
TartanAir 数据集
数据集获取地址：http://theairlab.org/tartanair-dataset
TartanAir 是CMU 最新开源 SLAM 数据集，该数据集意在 挑战视觉 SLAM 极限。数据集中包含有很多对视觉SLAM有很大挑战性的场景，例如（在各种光照条件，天气和移动物体）。TartanAir 数据集提供多种传感器数据和精确的 Groundtruth 标签，包括双目 RGB 图像，深度图像，分割，光流，相机位姿和 LiDAR 点云。
DSO
链接：https://pan.baidu.com/s/1eSRmeZK 密码：6x5b
Mono
链接：https://pan.baidu.com/s/1jKaNB3C 密码：u57r
EuRoC
- 链接：https://pan.baidu.com/s/1miXf40o 密码：xm59
- 双目+IMU 数据集 链接：https://pan.baidu.com/s/1Rk8JkW8D_I9C53WdEPoOTw
- 提取码：kdxw
- 源地址：https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets#downloads
参考2: 极市平台 https://www.bilibili.com/read/cv26046757/ 出处：bilibili
MAOMaps
下载地址：http://suo.nz/2RgQaH
MAOMaps 是用于评估视觉 SLAM、RGB-D SLAM 和地图合并算法的数据集。它包含 40 个带有 RGB 和深度图像的样本，以及地面真实轨迹和地图。这 40 个样本被加入到 20 对重叠的地图中，用于地图合并方法的评估。使用 Matterport3D 数据集和 Habitat 模拟器收集样本。
Cooperative Driving Dataset (CODD)
下载地址：http://suo.nz/2Y75N4
协同驾驶数据集是使用CARLA生成的综合数据集，其中包含来自同时在不同驾驶场景中导航的多辆车辆的激光雷达数据。创建该数据集是为了进一步研究多智能体感知（协作感知），包括协作 3D 对象检测、协作对象跟踪、多智能体 SLAM 和点云配准。为了实现这一目标，所有帧都标有地面实况传感器姿势和 3D 对象边界框。
Bonn RGB-D Dynamic Dataset
下载地址：http://suo.nz/35DiRL
这是 RGB-D SLAM 的数据集，包含高度动态的序列。我们提供 24 个动态序列，人们可以在其中执行不同的任务，例如操纵盒子或玩气球，以及 2 个静态序列。对于每个场景，我们提供传感器的地面真实姿态，并使用 Optitrack Prime 13 运动捕捉系统进行记录。这些序列的格式与TUM RGB-D 数据集相同，因此可以使用相同的评估工具。
Monocular Visual Odometry Dataset
下载地址：https://cvg.cit.tum.de/data/datasets/mono-dataset
这是一个用于评估单目视觉里程计 (VO) 和 SLAM 方法的跟踪精度的数据集。它包含 50 个真实世界序列，包括 100 多分钟的视频，在不同环境中录制 - 从狭窄的室内走廊到广阔的室外场景。
KITTI-2015立体声数据集
下载链接：http://suo.nz/35xkpn
stero 2015 基准测试包含 200 个训练场景和 200 个测试场景（每个场景 4 幅彩色图像，以无损 png 格式保存）。与stereo 2012 和flow 2012 基准测试相比，它包含动态场景，在半自动过程中为其建立了真值。该数据集是通过在卡尔斯鲁厄中等规模城市、农村地区和高速公路上行驶而捕获的。每张图像最多可以看到 15 辆汽车和 30 名行人。
LiDAR 2D深度图像数据集
数据集下载链接：http://m6z.cn/5Pwfy5
KITTI数据集是针对自动驾驶汽车领域最著名的数据集之一。它包含来自安装在汽车顶部的摄像头、激光雷达和其他传感器的记录数据，汽车在具有许多不同场景和场景的许多街道上行驶。该数据集包含转换为 2D 深度图像的 KITTI 数据集的 LiDAR 帧，并使用此代码进行了转换。这些 2D 深度图像代表相应 LiDAR 帧的相同场景，但格式更易于处理。
