三维点云数据集—目标检测、分类、匹配_三维点云运动目标分类

作者：你好赵伟 | 2024-03-24 18:13:58

踩

三维点云运动目标分类

三维点云数据集

做三维点云处理，常常因为数据烦恼，因此想把所用过下载过的数据集整理一下，若有不准确或者更多的资源，欢迎万能的网友们提点并告知（持续更新）。。。

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。