【数据集】开源 | Toronto-3D：大规模的室外点云数据集，包含8个标签。

获取完整原文和代码，公众号回复：09020705028

论文地址： http://arxiv.org/pdf/2003.08284v3.pdf

代码： 公众号回复：09020705028

来源： 滑铁卢大学&&中国科学院

论文名称：Toronto-3D: A Large-scale Mobile LiDAR Dataset for Semantic Segmentation of Urban Roadways

原文作者：Weikai Tan

内容提要

大规模室外点云的语义分割对于各种城市场景中的应用理解至关重要，特别是自动驾驶和城市高精地图。随着移动激光扫描(MLS)系统的快速发展，大量的点云可用于场景理解，但是公共可访问的大规模可以用于深度学习的标记数据集仍然有限。本文介绍了加拿大多伦多MLS系统获取的用于语义分割的大型城市户外点云数据集Toronto- 3d。该数据集覆盖了大约1公里的点云，由大约7830万个点和8个标记的对象类组成。进行了语义分割的基线实验，结果验证了该数据集具备有效的训练深度学习模型的能力。Toronto-3D的发布是为了鼓励新的研究，欢迎在社区进行反馈，用以改进和更新数据标签。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。