点云数据集汇总整理(匠心之作,附官方下载地址)
點(diǎn)云公開(kāi)數(shù)據(jù)集
最近更新:20222年10月
不能詳盡,若有錯(cuò)誤,歡迎指正補(bǔ)充。如果你對(duì)數(shù)據(jù)集下載有疑問(wèn),歡迎留言討論
1 點(diǎn)云分類和分割
1.1 ModelNet40 (點(diǎn)云分類)
普林斯頓 ModelNet 項(xiàng)目的目標(biāo)是為計(jì)算機(jī)視覺(jué)、計(jì)算機(jī)圖形學(xué)、機(jī)器人學(xué)和認(rèn)知科學(xué)領(lǐng)域的研究人員提供全面、干凈的對(duì)象 3D CAD 模型集合。
包含數(shù)據(jù)集:
- ModelNet40:
- ModelNet10:
- modelnet40_ply_hdf5_2048:
- modelnet40_normal_resampled :
數(shù)據(jù)內(nèi)容: 飛機(jī)、汽車(chē)、椅子、碗、瓶、鍵盤(pán)、樓梯、…
采集方式: CAD建模,在模型上采集點(diǎn)云
發(fā)布單位: 普林斯頓大學(xué)
下載地址: http://modelnet.cs.princeton.edu,(部分可直接下載,其它需要郵件作者)
1.2 ShapeNet (部件分割)
一個(gè)注釋豐富的大規(guī)模 3D 形狀數(shù)據(jù)集
包含數(shù)據(jù)集:
- ShapeNetCore:ShapeNet數(shù)據(jù)集的一個(gè)子集,干凈的3D模型,經(jīng)過(guò)手動(dòng)驗(yàn)證的分類和注釋標(biāo)簽。它涵蓋55個(gè)常見(jiàn)對(duì)象類別,約51300個(gè)獨(dú)特的3D模型。
- ShapeNetSem:一個(gè)更小、注釋更密集的子集,由12000個(gè)模型組成,分布在更廣泛的270個(gè)類別中。除了手動(dòng)驗(yàn)證的類別標(biāo)簽和一致的對(duì)齊方式外,這些模型還使用真實(shí)世界的尺寸標(biāo)注、類別級(jí)別的材料成分估計(jì)值以及總體積和重量估計(jì)值進(jìn)行注釋。
數(shù)據(jù)內(nèi)容: 飛機(jī)、汽車(chē)、桌子、椅子、電腦、浴缸、…
采集方式:
發(fā)布單位: 普林斯頓大學(xué),斯坦福大學(xué),TTIC
下載地址: https://shapenet.org/,(需要注冊(cè)并審核通過(guò))
1.3 PartNet (部件分割)
一個(gè)一致的、大規(guī)模的 3D 對(duì)象數(shù)據(jù)集,用細(xì)粒度的、實(shí)例級(jí)的和分層的3D 零件信息進(jìn)行注釋。數(shù)據(jù)集包含 26,671 個(gè) 3D 模型的 573,585 個(gè)零件實(shí)例,涵蓋 24 個(gè)對(duì)象類別。
包含數(shù)據(jù)集:
- PartNet-v0/v1:語(yǔ)音分割
- PartNet-Symh:使用二元對(duì)稱層次結(jié)構(gòu)豐富了我們的 PartNet 數(shù)據(jù)集
數(shù)據(jù)內(nèi)容: 桌子、椅子、床、耳機(jī)、電腦、…
采集方式:
發(fā)布單位: 斯坦福大學(xué)等
下載地址: https://partnet.cs.stanford.edu/
1.4 S3DIS (室內(nèi)場(chǎng)景、語(yǔ)義分割)
包含數(shù)據(jù)集:
- Full 2D-3D-S Dataset:
- S3DIS Dataset:
數(shù)據(jù)內(nèi)容: 會(huì)議室、個(gè)人辦公室、禮堂、休息室、開(kāi)放空間、大廳、樓梯、走廊
發(fā)布單位: 斯坦福大學(xué)
下載地址: http://buildingparser.stanford.edu/dataset.html (需要登記信息)
1.5 Scannet(室內(nèi)場(chǎng)景、語(yǔ)義標(biāo)簽)
一個(gè)二維三維數(shù)據(jù)集,主要采集了室內(nèi)場(chǎng)景的二維圖像信息,包括rgb、深度,三維點(diǎn)云ply數(shù)據(jù),并進(jìn)行了語(yǔ)義標(biāo)簽和實(shí)例標(biāo)簽標(biāo)注。
一共1513個(gè)采集場(chǎng)景數(shù)據(jù)(每個(gè)場(chǎng)景中點(diǎn)云數(shù)量都不一樣,如果要用到端到端可能需要采樣,使每一個(gè)場(chǎng)景的點(diǎn)都相同),共21個(gè)類別的對(duì)象,其中,1201個(gè)場(chǎng)景用于訓(xùn)練,312個(gè)場(chǎng)景用于測(cè)試
包含數(shù)據(jù)集:
- 完整數(shù)據(jù)集:
- 子集:
數(shù)據(jù)內(nèi)容: 室內(nèi)場(chǎng)景
采集方式: RGBD攝像機(jī)得到的3維激光點(diǎn)云
發(fā)布單位: 斯坦福大學(xué),普林斯頓大學(xué),慕尼黑工業(yè)大學(xué)
下載地址: http://www.scan-net.org/#code-and-data (需要填寫(xiě)協(xié)議,郵件作者)
1.6 Semantic3D(室外自然場(chǎng)景,語(yǔ)義分割)
一個(gè)大型標(biāo)記的3D點(diǎn)云數(shù)據(jù)集,其中包含自然場(chǎng)景,總共超過(guò)40億個(gè)點(diǎn)。它還涵蓋了一系列不同的城市場(chǎng)景:教堂,街道,鐵軌,廣場(chǎng),村莊,足球場(chǎng),城堡等等。我們提供的點(diǎn)云使用最先進(jìn)的設(shè)備進(jìn)行靜態(tài)掃描,并包含非常精細(xì)的細(xì)節(jié)。
包含數(shù)據(jù)集:
semantic-8:具有8個(gè)類標(biāo)簽的分類基準(zhǔn),即{1:人造地形,2:自然地形,3:高植被,4:低植被,5:建筑物,6:硬景觀,7:掃描文物,8:汽車(chē)}。附加標(biāo)簽 {0:未標(biāo)記的點(diǎn)}
reduceed-8:縮減版
數(shù)據(jù)內(nèi)容: 教堂,街道,鐵軌,廣場(chǎng),村莊,足球場(chǎng),城堡等室外地面掃描結(jié)果
采集方式: 室外地面掃描
發(fā)布單位: 瑞士蘇黎世聯(lián)邦理工學(xué)院
下載地址: http://www.semantic3d.net/ (直接下載)
1.7 Semantic KITTI (道路點(diǎn)云,語(yǔ)義分割)
基于激光雷達(dá)序列的語(yǔ)義場(chǎng)景理解數(shù)據(jù)集,一個(gè)基于KITTI視覺(jué)基準(zhǔn)的大規(guī)模數(shù)據(jù)集,并使用了測(cè)距任務(wù)提供的所有序列。我們?yōu)樾蛄?00-10 的每個(gè)單獨(dú)掃描提供密集注釋,從而可以使用多個(gè)順序掃描進(jìn)行語(yǔ)義場(chǎng)景解釋,如語(yǔ)義分割和語(yǔ)義場(chǎng)景完成
包含數(shù)據(jù)集:
- KITTI Odometry Benchmark Velodyne point clouds:
- KITTI Odometry Benchmark calibration data:
- SemanticKITTI label data:
數(shù)據(jù)內(nèi)容: 數(shù)據(jù)集包含10條完整采集軌跡,市中心的交通、住宅區(qū),以及德國(guó)卡爾斯魯厄周?chē)母咚俟穲?chǎng)景和鄉(xiāng)村道路。共標(biāo)注 28 個(gè)類,包括區(qū)分非移動(dòng)對(duì)象和移動(dòng)對(duì)象的類,即地面、建筑、車(chē)、人、物體等大類(內(nèi)部繼續(xù)細(xì)分)。
采集方式: 汽車(chē)激光雷達(dá)的全360度視場(chǎng)
發(fā)布單位: 波恩大學(xué)
下載地址: http://semantic-kitti.org/dataset.html (提供郵箱下載)
1.8 WHU-TLS/MLS (點(diǎn)云配準(zhǔn)、語(yǔ)義分割、實(shí)例分割)
為推進(jìn)深度學(xué)習(xí)方法在點(diǎn)云配準(zhǔn)、語(yǔ)義分割、實(shí)例分割等領(lǐng)域的發(fā)展,武漢大學(xué)聯(lián)合國(guó)內(nèi)外多家高等院校和研究機(jī)構(gòu)發(fā)布了包含多類型場(chǎng)景的地面站點(diǎn)云配準(zhǔn)基準(zhǔn)數(shù)據(jù)集WHU-TLS和包含語(yǔ)義、實(shí)例的城市級(jí)車(chē)載點(diǎn)云基準(zhǔn)數(shù)據(jù)集WHU-MLS。
包含數(shù)據(jù)集:
- WHU-TLS:地鐵站、高鐵站、山地、公園、校園、住宅、河岸、文化遺產(chǎn)建筑、地下礦道、隧道等
- WHU-MLS:地面特征,動(dòng)態(tài)目標(biāo),植被,桿狀地物及其附屬結(jié)構(gòu),建筑和結(jié)構(gòu)設(shè)以及其他公共便利設(shè)施等6大類30余小類地物要素
數(shù)據(jù)內(nèi)容: 數(shù)據(jù)集涵蓋了地鐵站、高鐵站、山地、森林、公園、校園、住宅、河岸、文化遺產(chǎn)建筑、地下礦道、隧道等11種不同的環(huán)境
采集方式: 地面點(diǎn)云、車(chē)載點(diǎn)云
發(fā)布單位: 武漢大學(xué)(聯(lián)合其它單位)
下載地址: http://3s.whu.edu.cn/ybs/en/benchmark.htm (登記信息下載)
2 點(diǎn)云配準(zhǔn)
2.1 The Stanford 3D Scanning Repository (點(diǎn)云配準(zhǔn)、表面重建)
包含數(shù)據(jù): 斯坦福模型
數(shù)據(jù)內(nèi)容: 兔子、龍、馬、各類雕像等
采集方式: Cyberware三維掃描儀
發(fā)布單位: 斯坦福大學(xué)
下載地址: http://graphics.stanford.edu/data/3Dscanrep/
2.2 3D Match (點(diǎn)云配準(zhǔn))
3DMatch數(shù)據(jù)集收集了來(lái)?于62個(gè)場(chǎng)景的數(shù)據(jù),其中54個(gè)場(chǎng)景的數(shù)據(jù)?于訓(xùn)練,8個(gè)場(chǎng)景的數(shù)據(jù)?于評(píng)估,其具體名稱查看train.txt和test.txt。3DMatch數(shù)據(jù)常?于3D點(diǎn)云的關(guān)鍵點(diǎn)、特征描述?、點(diǎn)云配準(zhǔn)等任務(wù)。
包含數(shù)據(jù)集: 7-Scenes、SUN3D 等
數(shù)據(jù)內(nèi)容: 客廳、辦公室、廚房、樓梯、等
采集方式: RGB-D數(shù)據(jù)生成
發(fā)布單位: 普林斯頓大學(xué)
下載地址: https://3dmatch.cs.princeton.edu/ (直接下載)
2.3 ASL Datasets Repository (點(diǎn)云配準(zhǔn)、目標(biāo)檢測(cè))
點(diǎn)云配準(zhǔn)應(yīng)用
包含數(shù)據(jù)集:
數(shù)據(jù)內(nèi)容: 公寓、樓梯、山地平原、亭子、等
采集方式: Hokuyo UTM-30LX 激光掃描儀
發(fā)布單位: Autonomous Systems Lab (蘇黎世聯(lián)邦理工學(xué)院自治系統(tǒng)實(shí)驗(yàn)室)
下載地址: https://projects.asl.ethz.ch/datasets/doku.php (直接下載)
2.4 Sydney Urban Objects Dataset (點(diǎn)云配準(zhǔn)、點(diǎn)云分類)
包含用Velodyne HDL-64E LIDAR掃描的各種常見(jiàn)城市道路對(duì)象,收集于澳大利亞悉尼CBD。含有631個(gè)單獨(dú)的掃描物體,包括車(chē)輛、行人、廣告標(biāo)志和樹(shù)木等,可以用來(lái)測(cè)試匹配和分類算法。
包含數(shù)據(jù)集: Sydney Urban Objects Dataset
數(shù)據(jù)內(nèi)容: 城市道路對(duì)象:摩托車(chē)、汽車(chē)、行人、植被、交通標(biāo)志、等
采集方式: Velodyne HDL-64E LIDAR,
發(fā)布單位: 悉尼大學(xué)
下載地址: https://www.acfr.usyd.edu.au/papers/SydneyUrbanObjectsDataset.shtml (直接下載)
3 目標(biāo)檢測(cè)(駕駛場(chǎng)景)
3.1 KITTI (目標(biāo)檢測(cè))
是目前國(guó)際上最大的自動(dòng)駕駛場(chǎng)景下的算法評(píng)測(cè)數(shù)據(jù)集。該數(shù)據(jù)集用于評(píng)測(cè)立體圖像(stereo),光流(optical flow),視覺(jué)測(cè)距(visual odometry),3D物體檢測(cè)(object detection)和3D跟蹤(tracking)等計(jì)算機(jī)視覺(jué)技術(shù)在車(chē)載環(huán)境下的性能。
包含數(shù)據(jù)集: Velodyne point clouds、…
數(shù)據(jù)內(nèi)容: 城市、農(nóng)村、高速公路實(shí)時(shí)采集
采集方式: 車(chē)載Velodyne激光掃描儀
發(fā)布單位: 卡爾斯魯厄理工學(xué)院、芝加哥豐田技術(shù)研究所
下載地址: http://www.cvlibs.net/datasets/kitti/ (注冊(cè)賬號(hào)下載)
3.2 IQmulus & TerraMobilita Contest (檢測(cè)、分類、分割)
該數(shù)據(jù)庫(kù)包含由3億點(diǎn)組成的巴黎密集城市環(huán)境的三維MLS數(shù)據(jù)。在這個(gè)數(shù)據(jù)庫(kù)中,對(duì)整個(gè)三維點(diǎn)云進(jìn)行分割和分類,即每個(gè)點(diǎn)包含一個(gè)標(biāo)簽和一個(gè)類。因此,可用于對(duì)檢測(cè)-分割-分類方法進(jìn)行點(diǎn)向評(píng)估。
包含數(shù)據(jù)集:
- Learning dataset :用于學(xué)習(xí)
- ten zones:用于測(cè)試
數(shù)據(jù)內(nèi)容: 巴黎密集城市環(huán)境
采集方式: 車(chē)載MLS
發(fā)布單位: 法國(guó)國(guó)家測(cè)繪局
下載地址: http://data.ign.fr/benchmarks/UrbanAnalysis/# (直接下載)
3.3 nuScenes (檢測(cè)、追蹤、分割)
包含所有 1000 個(gè)場(chǎng)景的完整 nuScenes 數(shù)據(jù)集。完整數(shù)據(jù)集包括大約 140 萬(wàn)張攝像機(jī)圖像、39 萬(wàn)張激光雷達(dá)掃描、1.4 米雷達(dá)掃描和 4 萬(wàn)個(gè)關(guān)鍵幀中的 140 萬(wàn)個(gè)對(duì)象邊界框。2020年7月,發(fā)布了nuScenes-lidarseg
包含數(shù)據(jù)集:
- nuScenes :
- nuScenes-lidarseg:激光雷達(dá)語(yǔ)義分割
- nuScenes-panoptic:
數(shù)據(jù)內(nèi)容: (波士頓和新加坡)密集的交通和極具挑戰(zhàn)性的駕駛場(chǎng)景
采集方式: 6個(gè)攝像頭,1個(gè)激光雷達(dá),5個(gè)雷達(dá),GPS,IMU
發(fā)布單位: motional
下載地址: https://www.nuscenes.org/nuscenes#data-collection(注冊(cè)登錄下載)
3.4 Waymo Open Dataset (檢測(cè)、追蹤)
數(shù)據(jù)集包含3000個(gè)駕駛片段,每一片段包含20秒的連續(xù)駕駛畫(huà)面。連續(xù)鏡頭內(nèi)容可以使得研究人員開(kāi)發(fā)模型來(lái)跟蹤和預(yù)測(cè)其他道路使用者的行為。數(shù)據(jù)采集的范圍涵蓋鳳凰城、柯克蘭、山景城、舊金山等地區(qū),以及各種駕駛條件下的數(shù)據(jù),包括白天、黑夜、黎明、黃昏、雨天和晴天。每個(gè)分段涵蓋5個(gè)高分辨率Waymo激光雷達(dá)和五個(gè)前置和側(cè)面攝像頭的數(shù)據(jù)
包含數(shù)據(jù)集:
- Perception Dataset:
- Motion Dataset:
數(shù)據(jù)內(nèi)容: 包括各種時(shí)間、環(huán)境,對(duì)象和天氣條件的駕駛場(chǎng)景
采集方式:
- 1 個(gè)中檔激光雷達(dá)
- 4 個(gè)短程激光雷達(dá)
- 5 個(gè)攝像頭(正面和側(cè)面)
- 同步激光雷達(dá)和攝像頭數(shù)據(jù)
- 激光雷達(dá)到攝像機(jī)投影
- 傳感器校準(zhǔn)和車(chē)輛姿勢(shì)
發(fā)布單位: Waymo
下載地址: https://waymo.com/open/ (注冊(cè)賬號(hào)下載)
4 機(jī)載點(diǎn)云數(shù)據(jù)集
4.1 德國(guó)Vaihingen數(shù)據(jù)集
國(guó)際攝影測(cè)量與遙感協(xié)會(huì)(ISPRS)提供的德國(guó)Vaihingen小鎮(zhèn)3D語(yǔ)義標(biāo)簽數(shù)據(jù)集,包括機(jī)載LiDAR掃描點(diǎn)云和多光譜航空影像
包含數(shù)據(jù)集:
- Potsdam:
- Toronto:
- Vaihingen:
數(shù)據(jù)內(nèi)容: 機(jī)載LiDAR掃描點(diǎn)云、多光譜航空影像
發(fā)布單位: 國(guó)際攝影測(cè)量與遙感協(xié)會(huì)(ISPRS)
下載地址: https://www.isprs.org/education/benchmarks/UrbanSemLab/default.aspx (可直接下載)
4.2 DublinCity
都柏林大學(xué)學(xué)院(UCD)的城市建模小組通過(guò)ALS設(shè)備掃描了都柏林市中心的主要區(qū)域(即約5.6公里,包括部分覆蓋的區(qū)域),該設(shè)備于2015年由直升機(jī)搭載并開(kāi)展掃描。然而,實(shí)際的聚焦區(qū)域約為2 km^2,其中包含最密集的LiDAR點(diǎn)云和影像數(shù)據(jù)集。飛行高度大多在300米左右,總行程在41條飛行路徑中進(jìn)行。
包含數(shù)據(jù):
數(shù)據(jù)內(nèi)容: 機(jī)載LiDAR掃描點(diǎn)云,詳細(xì)標(biāo)注,精細(xì)標(biāo)注。(精細(xì)到連建筑物的窗戶都進(jìn)行了單獨(dú)標(biāo)注,在下載地址中有詳細(xì)介紹)
發(fā)布單位: 都柏林大學(xué)學(xué)院
下載地址: https://v-sense.scss.tcd.ie/DublinCity/ (可直接下載)
4.3 武漢大學(xué)
待補(bǔ)充
4.4 RoofN3D
美國(guó)地質(zhì)調(diào)查局 (USGS) 提供紐約的機(jī)載 LiDAR 點(diǎn)云,主要用于建筑物重建(深度學(xué)習(xí))。
包含數(shù)據(jù)集:
- RoofN3D :
數(shù)據(jù)內(nèi)容: 共包含了118074個(gè)建筑物點(diǎn)云數(shù)據(jù),被標(biāo)記為三種屋頂類型分別是雙坡型、四角攢尖型和四坡型。
發(fā)布單位: 美國(guó)地質(zhì)調(diào)查局 (USGS)
下載地址: https://roofn3d.gis.tu-berlin.de/ (可直接下載)
4.5 DALES
代頓注釋LiDAR地球掃描(Dayton Annotated LiDAR Earth Scan, DALES)數(shù)據(jù)集,這是一個(gè)大規(guī)模航空LiDAR數(shù)據(jù)集,其中包含超過(guò)5億個(gè)手動(dòng)標(biāo)記點(diǎn),跨越10平方公里的面積和八個(gè)對(duì)象類別。
包含數(shù)據(jù)集:
- DALES :包含語(yǔ)義分割標(biāo)簽的原始數(shù)據(jù)集。
- DALESObjects :包含語(yǔ)義標(biāo)簽、實(shí)例標(biāo)簽和強(qiáng)度數(shù)據(jù)的第二個(gè)版本。
數(shù)據(jù)內(nèi)容: 數(shù)據(jù)集預(yù)分為29個(gè)訓(xùn)練文件和11個(gè)測(cè)試文件,分為以下幾類:地面(1)、植被(2)、汽車(chē)(3)、卡車(chē)(4)、電力線(5)、圍欄(6)、電線桿(7)和建筑物(8)
發(fā)布單位: 戴頓大學(xué)(University of Dayton)
下載地址: https://udayton.edu/engineering/research/centers/vision_lab/research/was_data_analysis_and_processing/dale.php (登記信息下載)
5 航空攝影點(diǎn)云
即從航空攝影、傾斜攝影中匹配出的點(diǎn)云數(shù)據(jù)
5.1 Urban3D
13個(gè)語(yǔ)義類,通過(guò)點(diǎn)云標(biāo)記工具標(biāo)記所有3D點(diǎn),且所有標(biāo)簽均經(jīng)過(guò)人工交叉檢查,保證了一致性和高品質(zhì)。
包含數(shù)據(jù)集:
- Urban3D:
數(shù)據(jù)內(nèi)容: 地面、植被、建筑物、墻體、橋梁、停車(chē)場(chǎng)、鐵路、交通道路、街道設(shè)施、汽車(chē)、人行道、自行車(chē)、水
采集方式: 固定翼無(wú)人機(jī)Ebee X
發(fā)布單位: (文章作者是牛津大學(xué))
下載地址: http://point-cloud-analysis.cs.ox.ac.uk/ (登記信息下載)官方對(duì)中國(guó)玩家很友好,甚至提供了百度網(wǎng)盤(pán)下載地址。
5.2 Swiss3DCities
室外城市(瑞士)三維點(diǎn)云數(shù)據(jù)集,總面積為2.7 km2。點(diǎn)云均勻致密且完整,并且對(duì)不同的應(yīng)用非常有用,包括自動(dòng)駕駛,游戲,智能城市規(guī)劃和機(jī)器人技術(shù)。
包含數(shù)據(jù)集:
- Swiss3DCities:
數(shù)據(jù)內(nèi)容: 城市三維點(diǎn)云數(shù)據(jù)集
采集方式: 攝影測(cè)量方法從航空影像中構(gòu)建
發(fā)布單位: Nomoko AG
下載地址: https://zenodo.org/record/4390295#.Y0eIodJBxuV(申請(qǐng)下載)
參考(更多資源):
- 三維視覺(jué)與自動(dòng)駕駛數(shù)據(jù)集(40個(gè)) - 知乎 (zhihu.com)
- 騰訊內(nèi)容開(kāi)放平臺(tái) (qq.com)
- zhulf0804/3D-PointCloud: Papers and Datasets about Point Cloud. (github.com)
- 3D-PointCloud/Datasets.md at master · zhulf0804/3D-PointCloud (github.com)
- Deep Learning for 3D Point Clouds: A Survey
總結(jié)
以上是生活随笔為你收集整理的点云数据集汇总整理(匠心之作,附官方下载地址)的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇: css bug 集2
- 下一篇: JQUERY解析XML IE8的兼容问题