前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >三维点云数据集

三维点云数据集

作者头像
点云PCL博主
发布2019-07-30 16:20:56
8.4K1
发布2019-07-30 16:20:56
举报
文章被收录于专栏:点云PCL

本文是来自四季豆豆的CSDN的博客,主要是介绍各种数据集。如有补充请大家积极留言,并且希望大家能够在阅读论文或者有推荐的论文或者开源代码,只要和点云相关,都可以留言给群主,如果有必要将会出与你推荐相关的资料。希望大家能够积极参与分享。

1

The Stanford 3D Scanning Repository(斯坦福大学的3 d扫描存储库)

链接:http://graphics.stanford.edu/data/3Dscanrep/

这应该是做点云数据最初大家用最多的数据集,其中包含最开始做配准的Bunny、Happy Buddha、Dragon等模型。

2

Sydney Urban Objects Dataset(悉尼城市目标数据集)

链接:http://www.acfr.usyd.edu.au/papers/SydneyUrbanObjectsDataset.shtml

这个数据集包含用Velodyne HDL-64E LIDAR扫描的各种常见城市道路对象,收集于澳大利亚悉尼CBD。含有631个单独的扫描物体,包括车辆、行人、广告标志和树木等。可以用来测试匹配和分类算法。

3

ASL Datasets Repository

链接:https://projects.asl.ethz.ch/datasets/doku.php?id=home

这个数据集包含的数据比较多类,由Automonous Systems Lab提供的数据,一般数据集都有对应发表的论文成果。下边只列出一些下载过,用过的。

(1)IORS2018:目标检测和匹配

(2)IJRR2012:测试点云配准算法

(3)ISER2016:可用作点云配准(有源码)

源码链接:https://github.com/ethz-asl/robust_point_cloud_registration

4

Large-Scale Point Cloud Classification Benchmark(大规模点云分类基准)

链接:http://www.semantic3d.net/

这个数据库是做大规模点云分类的,提供了一个大的自然场景标记的3D点云数据集,总计超过40亿点。涵盖了各种各样的城市场景:教堂、街道、铁路轨道、广场、村庄、足球场、城堡等等。

5

RGB-D Object Dataset(RGB-D对象数据集)

链接:http://rgbd-dataset.cs.washington.edu/index.html

RGB-D对象数据集是300个常见的家庭对象的大数据集。该数据集是使用Kinect风格的3D相机记录的,该相机以30Hz记录同步和对齐的640x480RGB和深度图像。对于每个物体,有3个视频序列,每个视频序列用安装在不同高度的照相机记录,以便从与地平线的不同角度观察物体。除了300个对象的孤立视图之外,RGB-D对象数据集还包括22个带有注释的自然场景视频序列,其中包含来自数据集的对象。这些场景覆盖了常见的室内环境,包括办公室工作区、会议室和厨房区域。

6

NYU-Depth(纽约大学深度数据集)

链接:https://cs.nyu.edu/~silberman/datasets/

这个数据集应该也是大家比较熟悉的,包括NYU-Depth V1数据集和NYU-Depth V2数据集,都是由来自各种室内场景的视频序列组成,这些视频序列由来自Microsoft Kinect的RGB和Depth摄像机记录。

NYU-Depth V1数据集包含有64种不同的室内场景、7种场景类型、108617无标记帧和2347密集标记帧以及1000多种标记类型。

NYU-Depth V2数据集包含了1449个密集标记的对齐RGB和深度图像对、来自3个城市的464个新场景,以及407024个新的无标记帧。

7

IQmulus & TerraMobilita Contest

链接:http://data.ign.fr/benchmarks/UrbanAnalysis/#

该数据库包含来自巴黎(法国)密集城市环境的3DMLS数据,由3亿点组成。在该数据库中,对整个3D点云进行分割和分类,即每个点包含一个标签和一个类。因此,对检测-分割-分类方法进行逐点评估成为可能。 这个数据库是在iQmulus和TerraMobilita项目的框架内产生的。它被法国国家制图局(IGN)开发的MLS系统“ Stereopolis II”收购。注释将由IGN的MATIS实验室手动辅助进行。

8

Oakland 3-D Point Cloud Dataset(奥克兰 )

链接:http://www.cs.cmu.edu/~vmr/datasets/oakland_3d/cvpr09/doc/

这个数据库的采集地点是在美国卡耐基梅隆大学周围,数据采集使用Navlab11,配备侧视SICK LMS激光扫描仪,用于推扫。 其中包含了完整数据集、测试集、训练集和验证集。

9

The KITTI Vision Benchmark Suite

链接:http://www.cvlibs.net/datasets/kitti/

这个数据集来自德国卡尔斯鲁厄理工学院的一个项目,其中包含了利用KIT的无人车平台采集的大量城市环境的点云数据集(KITTI),这个数据集不仅有雷达、图像、GPS、INS的数据,而且有经过人工标记的分割跟踪结果,可以用来客观的评价大范围三维建模和精细分类的效果和性能。

其中,该团队还介绍了一些相关的数据集,可以参考:

10

Robotic 3D Scan Repository

链接:http://kos.informatik.uni-osnabrueck.de/3Dscans/

这个数据集比较适合做SLAM研究,包含了大量的Riegl和Velodyne雷达数据。

以上就是文章的全部内容了,文章中涉及的资料,希望有兴趣的小伙伴可以将文章整理上传至我们的github组群中,与我们一起阅读!还未加入组群的小伙伴可以在文章末尾留下github邮箱,邀请进组群与我一起管理并分享。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-03-25,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 点云PCL 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档