TUM State Estimation是由慕尼黑工业大学（TUM）计算机视觉组发布的RGB-D和视觉惯性状态估计基准测试，是视觉状态估计领域最权威的基准之一。该基准提供了多个室内场景的RGB-D视频序列和视觉惯性数据，包含了多种运动模式（手持、机器人、无人机等），提供了高精度的运动捕捉系统作为真值，支持多种评估指标（绝对轨迹误差ATE、相对位姿误差RPE、均方根误差RMSE等）。TUM State Estimation支持多种状态估计算法（视觉里程计、RGB-D SLAM、视觉惯性里程计VIO等），能够在真实世界数据上评估和比较不同算法的性能。该基准包含了多种挑战性场景（动态物体、光照变化、纹理缺失、快速运动等），能够全面评估算法的鲁棒性和精度。该基准推动了视觉状态估计算法的发展，多种经典和最新的视觉SLAM和VIO算法（如ORB-SLAM、RTAB-Map、VINS-Mono等）都在该基准上进行了评估。该基准被广泛应用于移动机器人、AR/VR和自动驾驶等领域的研究和开发中。