Esta investigación propone un conjunto de datos ligero y aplicable con una verdad terrestre de elevación precisa y calibración extrínseca hacia la tarea de LiDAR (Detección y Rango de Luz) SLAM (Localización y Mapeo Simultáneo) en el campo de la conducción autónoma. Nuestro conjunto de datos se centra en plataformas más rentables con potencia computacional limitada y sensores LiDAR tridimensionales de baja resolución (LiDAR de 16 haces) y llena los vacíos en la literatura existente. Nuestros datos incluyen escenarios abundantes que contienen entornos degradados, objetos dinámicos y terrenos de gran pendiente para facilitar la investigación del rendimiento del sistema SLAM. Proporcionamos la posición de verdad terrestre de RTK-GPS y corregimos cuidadosamente sus errores de elevación, y diseñamos un método adicional para evaluar la deriva vertical. El módulo para calibrar el LiDAR y el IMU también se mejoró para garantizar la precisión de los datos de nube de puntos. La fiabilidad y aplicabilidad del conjunto de datos se probaron completamente a través de una serie de experimentos utilizando varios métodos LiDAR SLAM de última generación.