Skip to content

wangxian1226/IMU-SLAM-Deblur-Data

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

3 Commits
 
 

Repository files navigation

IMU增强的光学图像去模糊数据集

本数据集为《IMU增强的光学图像去模糊与视觉SLAM应用》研究配套原创数据集,包含扩展GOPRO数据集、自采集模糊图像数据集、模糊感知子数据集三类核心数据,所有数据仅由图像文件和同步IMU原始数据构成,无额外标注文件,可直接用于图像去模糊、模糊感知、IMU融合SLAM相关实验验证。

数据集整体结构

Blur-Dataset/
├── Self-collected Blur Dataset/  # 自采集模糊图像数据集(1200张)
│   ├── image/                    # 全场景模糊图像(室内/室外/走廊,全局/局部模糊)
│   └── imu_data/                 # 对应IMU原始数据
├── Blur Perception Dataset/      # 模糊感知子数据集
│   ├── local-blur/               # 局部模糊图像(40张)
│   │   ├── image/                # 局部模糊图像文件
│   │   └── imu_data/             # 对应IMU原始数据
│   ├── clear/                    # 清晰图像(40张)
│   │   ├── image/                # 清晰图像文件
│   │   └── imu_data/             # 对应IMU原始数据
│   └── global-blur/              # 全局模糊图像(40张)
│       ├── image/                # 全局模糊图像文件
│       └── imu_data/             # 对应IMU原始数据
└── Extended-GOPR0/               # 扩展GOPRO数据集(总计3214对模糊-清晰图像)
    ├── train/                    # 训练集(2103对)
    │   ├── Extended-GOPR0XXXX_XX_XX/  # 按原始GOPRO序列划分的子文件夹(如Extended-GOPR0477_11_00)
    │   │   ├── blur/             # 模糊图像
    │   │   ├── sharp/            # 清晰图像
    │   │   └── imu/              # 对应合成IMU数据
    │   └── ...(其余训练集序列文件夹)
    └── test/                     # 测试集(1111对)
        ├── Extended-GOPR0XXXX_XX_XX/  # 按原始GOPRO序列划分的子文件夹(如Extended-GOPR0869_11_00)
        │   ├── blur/             # 模糊图像
        │   ├── sharp/            # 清晰图像
        │   └── imu/              # 对应合成IMU数据
        └── ...(其余测试集序列文件夹)
        +                                                                                                                                                                                 

各子数据集详情

1. 扩展GOPRO数据集(Extended-GOPR0)

  • 数据规模:总计3214对模糊-清晰图像,其中训练集包含2103对、测试集包含1111对,与原始GOPRO模糊图像数据集的数量和序列划分完全一致;
  • 数据来源:基于公开GOPRO模糊图像数据集扩展,为每一对模糊-清晰图像补充了符合MPU-6050传感器特性的合成IMU数据;
  • IMU数据说明
    • 合成规则:遵循MPU-6050噪声模型;
    • 采样频率:100Hz;
    • 文件组织:每个GOPRO序列子文件夹(如Extended-GOPR0477_11_00)下的imu目录,存放该序列所有图像对应的IMU数据。

2. 自采集模糊图像数据集(Self-collected Blur Dataset)

  • 数据规模:总计1200张模糊图像,覆盖室内、室外、走廊三类真实场景,包含全局运动模糊、局部动态模糊两种模糊类型;
  • 采集硬件
    • 图像采集:RGB相机(采集频率10Hz,,分辨率【补充你的实际分辨率,如1280×720】);
    • IMU采集:采集频率200Hz,输出角速度、加速度原始数据;
  • IMU数据说明
    • 同步规则:每张图像对应其采集时间窗口内的20组连续IMU数据(10Hz图像间隔100ms,200Hz IMU每5ms一组);
    • 文件组织:imu_data目录下的IMU文件与image目录下的图像文件按名称一一匹配。

3. 模糊感知子数据集(Blur Perception Dataset)

  • 数据规模:清晰图像、局部模糊图像、全局模糊图像各40张,总计120张;
  • 数据用途:专用于模糊类型感知、模糊程度量化分析实验;
  • 采集与同步规则:硬件配置、IMU采样频率、图像-IMU时间同步规则与自采集模糊图像数据集完全一致;
  • 文件组织clear/local-blur/global-blur三个目录下均独立包含image(图像)和imu_data(对应IMU数据)子目录,数据按序号一一匹配。

数据格式规范

1. 图像文件

  • 格式:PNG格式,无压缩或轻量压缩,保证图像纹理信息完整;
  • 命名规则:纯字母/数字/下划线组合,无特殊字符,确保与IMU文件名称一一对应。

2. IMU数据文件

  • 格式:CSV文件,UTF-8编码;
  • 每行内容(空格分隔):时间戳(ns) 加速度计x(g) 加速度计y(g) 加速度计z(g) 陀螺仪x(°/s) 陀螺仪y(°/s) 陀螺仪z(°/s)
  • 示例:

timestamp,ax,ay,az,gx,gy,gz 0.0,0.04967941151692234,-0.08850317729840848,10.004738134588278,0.27903829388497314,0.543404591922329,0.2877439565496668 0.001,-0.1741974025006656,0.18775798706111596,9.882456472914072,0.8099951105256251,0.2914012764027799,0.579986543114384 ...

- 说明:每行对应一组IMU原始数据。

## 数据获取说明
1. 扩展GOPRO数据集:原始GOPRO图像数据集(官方地址:https://seungjunnah.github.io/Datasets/gopro)
本仓库完整扩展数据集:链接:https://pan.baidu.com/s/1Ckz5UckoBt5Cijf_Jo3qKw
提取码:h7wy
2. 自采集模糊图像数据集 / 模糊感知子数据集:完整的图像文件与配套 IMU 原始数据已上传至百度网盘,可通过以下链接下载,文件解压后目录结构与本仓库完全一致:
链接:https://pan.baidu.com/s/1Ckz5UckoBt5Cijf_Jo3qKw
提取码:h7wy

3. 本仓库未使用 GitHub存储大文件,所有数据集相关的说明文件、目录映射均在仓库内,核心图像与 IMU 数据优先通过上述百度网盘链接获取。

## 免责声明
1. 扩展GOPRO数据集仅复用原始GOPRO图像的序列划分,IMU数据为原创合成,无侵权意图;
2. 自采集数据集仅用于学术研究,禁止商用;

About

This project is the open-source repo for IMU-Augmented Optical Image Deblurring and Its Application in Visual SLAM, offering multi-modal (image+IMU) experimental datasets (extended GOPRO, self-collected blurred, blur perception) with synchronized data for ORB-SLAM3 deblurring validation and related research.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors