Mag4D-SLAM数据集：用于定位与建图的重复遍历多模态4D地磁数据集
本文介绍了Mag4D-SLAM，首个大规模户外地磁SLAM数据集。该数据集包含14个序列，总长超过18公里，同步采集了LiDAR、相机、IMU、三轴磁力计和GNSS数据，并提供了SE(3)位姿真值。数据在校园结构化轨迹上采集，涵盖白天/夜晚和正向/反向重复遍历。通过实验分析了磁场重复性、无漂移全局航向估计和跨会话地点识别。该数据集旨在支持航向漂移抑制、磁环闭合和长期定位等研究。
地磁感知提供了一种无需基础设施的绝对方向参考，对GNSS信号中断和视觉退化具有鲁棒性，因此在地同时定位与建图（SLAM）中具有巨大潜力。然而，此前缺乏大规模户外机器人数据集来支持其系统性研究。现有的地磁数据集局限于小规模室内环境，缺少同步多模态感知、重复遍历结构以及高精度六自由度真值，难以满足地磁SLAM研究的需要。针对这一空白，研究团队提出了Mag4D-SLAM数据集，这是首个大规模户外地磁SLAM数据集。该数据集包含14个序列，总长超过18公里，同步采集了LiDAR、相机、IMU、三轴磁力计和GNSS测量数据，并提供了SE(3)位姿真值。数据采集在结构化校园轨迹上，涵盖白天和夜晚条件，并沿正向和反向方向重复遍历。通过重复遍历实验，研究人员分析了磁场的三个核心性质：不同记录会话（白天和夜晚）间的磁场重复性、无漂移的全局航向估计，以及用于跨会话地点识别的位置判别性磁特征。实验结果表明，地磁信号在不同时间和条件下具有良好的重复性，能够提供稳定的航向信息，并支持地点识别。Mag4D-SLAM数据集旨在支持航向漂移抑制、磁环闭合和长期定位等研究。它有望开辟新的研究方向，探索地磁感知如何补充视觉和LiDAR模态，或在光照变化、结构重复和GNSS拒止的长期运行中提供备用线索。该论文已被IROS 2026接收，由Bibhutibhusan Nayak和Hyoseok Ju共同第一作者完成。