武大发布、全球最大：地面站扫描点云配准基准数据集(WHU-TLS)

By 超神经

数据集描述：武汉大学测绘遥感信息工程国家重点实验室，杨必胜教授课题组，近日发布了全球最大规模、多类型场景地面站扫描点云配准基准数据集(WHU-TLS)，共包含 115 个测站、17.4 亿个三维点以及点云之间的真实转换矩阵，共 90 G，文末附下载。

关键词：测绘遥感 地面站扫描

武汉大学测绘遥感信息工程国家重点实验室，杨必胜教授课题组，近日发布了全球最大规模、多类型场景地面站扫描点云配准基准数据集(WHU-TLS)。

全球最大规模 TLS 基准数据集

地面激光扫描系统（Terrestrial Laser Scanning，TLS）对地物表面的三维几何信息进行高速度、高密度、高精度地采集，获取三维点云，具有机动灵活、便于携带等优点。

(a) 为从全局角度给出的场景示意图

(b) 和 (c) 是两个从不同角度扫描的局部表面

正因如此，TLS 被广泛应用于城市发展跟踪、森林结构评估、滑坡监测、文化遗产保护、工业设施测量、犯罪现场调查等领域。

点云配准（即将地面点云从各自的站心坐标系转换到场景统一坐标系）是上述应用的基础和前提。

十一类环境数据集，共 90 G

为加快推进深度学习在 3 维点云处理领域的快速发展，赋能点云智能，课题组结合近十年来的数据积累，联合慕尼黑工业大学、芬兰大地所、挪威科技大学，为目前为止，全球最大规模和最多样化场景类型的 TLS 点云配准基准数据集。

本次公开的 WHU-TLS 基准数据集涵盖了地铁站、高铁站、山地、森林、公园、校园、住宅、河岸、文化遗产建筑、地下矿道、隧道等 11 种不同的环境，共包含 115 个测站、17.4 亿个三维点以及点云之间的真实转换矩阵。

WHU-TLS 基准数据集详细信息

此外，该基准数据集也为铁路安全运营、河流勘测和治理、森林结构评估、文化遗产保护、滑坡监测和地下资产管理等应用提供了典型有效数据。

有了数据集，如何下载和使用

如何下载？

数据集申请地址：

http://3s.whu.edu.cn/ybs/en/benchmark.htm

如何使用？

疫情期间，无法取得学校、公司的算力，如何继续机器学习任务？

本次要介绍的合作伙伴 OpenBayes ，一个针对机器学习提供云端算力的云服务。他们拥有大规模的超算集群，GPU 集群架构专针对矩阵计算设计，面向 AI 应用提供算力容器，而且上手非常简单，开箱即用。

目前 OpenBayes 的算力容器产品已经支持 TensorFlow、PyTorch、MXNet 等 CPU 和 GPU 环境下，不同版本、类型的标准机器学习框架和各种常用依赖。

目前 OpenBayes 算力容器支持的标准库

并提供 CPU、NVIDIA T4、NVIDIA Tesla V100 等多种算力资源，无论是海量数据的集中训练，还是低功耗的模型常驻运行，都能轻松满足用户需求。

从 CPU 到 T4 再到 V100,丰富的算力容器配置

OpenBayes 支持脚本上传和 JupyterLab 编辑器在线编程，然后进行模型训练。

清晰简洁的执行过程

完整教程：https://openbayes.com/docs/quickstart/

注册新用户，即可享受 GPU 算力！

访问 openbayes.com，在官网首页点击立即注册，而且内测期间周周有赠哦，再也不用跟同学、同事抢算力了~

数据集可在公共资源直接使用/下载

活动说明

访问 openbayes.com

凭邀请码 【HyperAI】 注册新用户

即可享受

每周 600min 的 CPU + 300min NVIDIA T4

的免费算力~

参考来源：

http://3s.whu.edu.cn/ybs/en/benchmark.htm

相关论文： 1. Dong Z., Yang B., Liu Y., Liang F., Li B., & Zang Y., 2017. A novel binary shape context for 3d local surface description. ISPRS J. Photogramm. Remote Sens. 130, 431-452.

2. Dong Z., Yang B., Liang F., Huang R., & Scherer S., 2018. Hierarchical registration of unordered TLS point clouds based on binary shape context descriptor. ISPRS J. Photogramm. Remote Sens. 144, 61-79.

3. Dong Z., Liang F., Yang B., Xu Y., Zang Y., Li J., Wang Y., Dai W., Fan H., Liang X., Stilla U., 2020. Registration of large-scale TLS Point Clouds: A Review and Benchmark. ISPRS J. Photogramm. Remote Sens. (In press)

—— 完 ——