PointNet(sem_seg)数据集_卫生间管道数据集

S3DIS数据集

PointNet所用语义分割数据集为S3DIS（Stanford 3D semantic parsing data set），数据集由6个大型室内区域组成，总共包括544个房间，总共超过了2.15亿个点，包括办公区域、教育和展览空间，以及会议室、个人办公室、卫生间、开放空间、大堂、楼梯和走廊。每个点都加上了13个语义标签（桌子、椅子、沙发、书架和木板等）

训练和测试数据集

indoor3d_sem_seg_hdf5_data

其中包含了24个h5格式的数据文件，总共包含6个区域的271个房间，共有23 x 1000 + 585 =23585行。
data每一行代表一个Block，9个向量分量，seg包含每个点对应13类语义标签。

all_files.txt ：保存24个h5文件名。
room_filelist.txt ：23585 行，对应每个Block是在哪个area的哪个room采集的。

Pointnet实现方法

将每个房间都划分为1m x 1m的块，每个块包含4096个点，方便后续的网络训练和预测，每个点由一个9维向量表示，向量信息分别为：X,Y,Z,R,G,B,所在房间的归一化位置。（由于分块处理，所以点云数据以左下角点作为坐标系原点，对房间内所有点进行位置归一化，保证了每个点在房间中的位置信息）分块如下图所示。