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。
