数据集

SLAM或视觉里程计

1. TUM RGB-D数据集

自带Ground-truth轨迹与测量误差的脚本（python写的，还有一些有用的函数）。

网址：点击打开链接

2. KITTI数据集
地址：点击打开链接

著名的室外数据集，包括单目视觉 ,双目视觉, velodyne, POS 轨迹。

3. Oxford数据集
含有一些Fabmap相关的数据集，用来验证闭环检测的算法。室外场景。

网址：点击打开链接

4. ICL-NUIM数据集
RGB-D数据集，室内向。提供ground-truth和odometry。

网址：点击打开链接

语义SLAM和语义分割：

1. NYU RGB-D 数据集
使用Kinect捕获的室内数据集，提供语义标签。

网址：点击打开链接

2. NYUDv2 

包括TUM RGB-D中缺失的起居室，厨房和卧室场景，专注于办公室的桌子，物品和人物。
网址：点击打开链接

3. ScanNet 数据集

由1500个室内RGB-D扫描组成，其中包含3D相机姿态，表面重建和与多个对象类别相关的网格分割。 

4. PASCAL VOC2012 数据集

由1500个室内RGB-D扫描组成，其中包含3D相机姿态，表面重建和与多个对象类别相关的网格分割。 这种注释使我们能够通过

网址：点击打开链接

5. PASCAL Context
数据是基于PASCAL VOC 2010做的标记

网址：点击打开链接

6. MS COCO

网址：点击打开链接

7.PASCAL-Part Dataset

网址：点击打开链接

8.SYNTHIA
网址：点击打开链接
计算机合成的城市道路驾驶环境的像素级标注的数据集。