开源点云数据集整理汇总

2023-11-12

目录

一、ModelNet40

1. 网址

https://modelnet.cs.princeton.edu/#

2. 模型

没有颜色信息的飞机、杯子、椅子、吉他等40个模型。

在这里插入图片描述

二、ShapeNet

1. 网址

http://web.stanford.edu/~ericyi/project_page/part_annotation/index.html

2. 模型

没有颜色但有法向量且带有标注信息的飞机、杯子、帽子等16个类别的模型。

在这里插入图片描述
在这里插入图片描述

三、S3DIS Dataset

1. 网址

http://buildingparser.stanford.edu/dataset.html

2. 模型

室内分割数据集,模型为每个房间共计271个,房间内有13类物体。

在这里插入图片描述

四、ScanNet

1. 网址

http://www.scan-net.org/

2. 模型

1、 网格数据(.ply)
2、 RGB-D传感器留流数据(.sens)
3、 2D标注数据

在这里插入图片描述

五、RGB-D Object Dataset

1. 网址

http://rgbd-dataset.cs.washington.edu/

2. 模型

RGB-D对象数据集是一个包含300个常见家用对象的大型数据集。这些对象被组织成51个类别,使用WordNet上位词-下位词关系排列(类似于ImageNet)。该数据集是使用Kinect风格的3D相机记录的,该相机以30 Hz记录同步和对齐的640x480 RGB和深度图像。每个物体被放在一个转盘上,在一次完整的旋转中拍摄视频序列。对于每个物体,有3个视频序列,每个序列都是用安装在不同高度的摄像机记录的,以便从地平线的不同角度观察物体。

在这里插入图片描述

六、 NYU Depth Dataset V2 (纽约大学深度数据集)

1. 网址

https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html

2. 模型

在这里插入图片描述

七、 The Stanford 3D Scanning Repository

1. 网址

http://graphics.stanford.edu/data/3Dscanrep/

2. 模型

包括:兔子、马、龙、菩萨等。

在这里插入图片描述

八、悉尼城市目标数据集

1. 网址

https://www.acfr.usyd.edu.au/papers/SydneyUrbanObjectsDataset.shtml

2. 模型

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。

在这里插入图片描述

九、ASL 数据集

1. 网址

https://projects.asl.ethz.ch/datasets/doku.php?id=home

2. 模型

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。

在这里插入图片描述

十、大规模点云分类基准

1. 网址

http://www.semantic3d.net/

2. 模型

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。

在这里插入图片描述

十一、Oakland 3-D Point Cloud Dataset

1. 网址

http://www.cs.cmu.edu/~vmr/datasets/oakland_3d/cvpr09/doc/

2. 模型

这个数据库的采集地点是在美国卡耐基梅隆大学周围,数据采集使用Navlab11,配备侧视SICK LMS激光扫描仪,用于推扫。其中包含了完整数据集、测试集、训练集和验证集。

在这里插入图片描述

十二、The KITTI Vision Benchmark Suite

1. 网址

https://www.cvlibs.net/datasets/kitti/

2. 模型

这个数据集来自德国卡尔斯鲁厄理工学院的一个项目,其中包含了利用KIT的无人车平台采集的大量城市环境的点云数据集(KITTI),这个数据集不仅有雷达、图像、GPS、INS的数据,而且有经过人工标记的分割跟踪结果,可以用来客观的评价大范围三维建模和精细分类的效果和性能。

在这里插入图片描述

十三、Robotic 3D Scan Repository

1. 网址

http://kos.informatik.uni-osnabrueck.de/3Dscans/

2. 模型

该存储库提供:

  • 来自机器人实验的3D点云
  • 机器人运行的日志文件
  • 机器人社区的标准3D数据集

在这里插入图片描述

十四、WHU-TLS点云数据集

1. 网址

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

2. 模型

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。

在这里插入图片描述

十五、Paris-rue-Madame数据集

1. 网址

https://people.cmm.minesparis.psl.eu/users/serna/rueMadameDataset.html

2. 模型

  Paris-rue-Madame数据集包是由三维移动激光扫描仪收集得到。数据收集于法国巴黎第六区的一个街道rue Madame,试验区包含从rue Mézières至rue Vaugirard的160米长的街道;数据获取时间为2013年2于8日13:30。
  这个数据集是在TerraMobilita项目的框架下开发的。它是由位于法国普里斯帕里斯蒂奇矿山的机器人实验室(CAOR)的LARA2-3D三维激光扫描仪获得的。数据标注是由法国枫丹白露矿业中心(MINES ParisTech)的数学形态学中心(CMM)以人工辅助的方式进行的。
  数据集包含两个ply文件,每个ply文件包含有1000万个点。每个文件包含一个点列表(x, y, z, reflective, label, class),其中x, y, z对应于Lambert 93和altitude IGN1969(grid RAF09)参考坐标系中的地理参考坐标(E, N, U),reflective是激光强度,label是分割后获得的对象标签,class是对象类别。

在这里插入图片描述

十六、District of Columbia数据集

1. 网址

https://registry.opendata.aws/dc-lidar-2015/

2. 模型

该数据集由首席技术官办公室(OCTO)通过哥伦比亚特区地理信息系统计划管理,包含整个特区的平铺点云数据以及相关元数据。点云中的每个点都已根据以下模式进行了分类。
Class 1: Processed, but unclassified
Class 2: Bare earth
Class 7: Low noise
Class 9: Water
Class 10: Ignored ground
Class 11: Withheld
Class 17: Bridge decks
Class 18: High noise

十七、Paris-Lille-3D数据集

1. 网址

https://npm3d.fr/paris-lille-3d

2. 模型

Paris-Lille-3D是点云分类的数据集和基准。这些数据是由法国两个不同城市(巴黎和里尔)的移动激光系统(MLS)产生的。该点云已经完全由50个不同的类别手工标记,以帮助自动点云分割和分类算法的研究社区。

在这里插入图片描述

十八、DublinCity数据集

1. 网址

https://v-sense.scss.tcd.ie/DublinCity/

2. 模型

都柏林大学学院(UCD)的城市建模小组在2015年通过直升机执行的ALS设备扫描了都柏林市中心的主要区域(即大约 5.6 k m 2 5.6 km^2 5.6km2,包括部分覆盖区域)。然而,实际关注的区域大约是 2 k m 2 2 km^2 2km2,其中包含最密集的激光雷达点云和影像数据集。飞行高度大部分在300米左右,全程在41条跑道上进行。

在这里插入图片描述

十九、PCL官方测试数据集

1. 网址

https://github.com/PointCloudLibrary/data

2. 模型

包括二维、三维点云,配准、分割、滤波、建模等数据。

在这里插入图片描述

二十、激光雷达数据源

1. Open Topography

http://www.opentopography.org

2. USGS Earth Explorer

http://earthexplorer.usgs.gov

3. United States Interagency Elevation Inventory + Wikipedia LiDAR

https://en.wikipedia.org/wiki/National_Lidar_Dataset_(United_States)

4. NOAA Digital Coast

https://coast.noaa.gov/digitalcoast/tools/

5. LIDAR Online

https://www.lidar-online.com/

6. National Ecological Observatory Network

http://www.neonscience.org/data-resources

未完待续。。。

相关链接

[1] 三维点云数据集
[2] 点云数据集
[3] 三维点云开源数据集汇总
[4] 三维点云数据集—目标检测、分类、匹配
[5] 数据分享 | LiDAR点云数据汇总

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

开源点云数据集整理汇总 的相关文章

随机推荐

  • 图像分类比赛

    cp data wanghd s4 data car data data wanghd whd 使用该命令报错 添加 r 可以实现正常复制 速度非常快 参考博客得到解决 Linux常见错误 cp omitting directory 解决办
  • 输出一个单链表&&反向输出一个单链表(最后有原链接)

    输出一个单链表 假设我们有一个单链表 let list value 1 next value 2 next value 3 next value 4 next null 编写一个可以逐个输出链表元素的函数 printList list 使用
  • arcgis for landsat 8处理

    landsat8的详细数据处理http vdisk weibo com s zrSeGYf9hMRAH http blog sina com cn s blog 764b1e9d01018z6j html http blog sina co
  • osgEarth的Rex引擎原理分析(五十五)Rex引擎如何给shader文件中的uniform变量赋值

    目标 五十四 中的问题128 有几个地方 RexEngine SDK vert glsl中的 uniform sampler2D oe tile elevationTex osgEarthDrivers engine rex RexTerr
  • 全桥逆变电路部分分析

    首先来看单相逆变不间断电源设计电路中的全桥逆变电路部分 它是由两个IR2101驱动和4个MOS管构成的全桥逆变电路 有人会说了 IR2101不是半桥驱动芯片吗 没错 的确是半桥驱动芯片 和IR2104一样的 常被用在三相逆变电路中做三个半桥
  • RCE漏洞详解及绕过总结(全面)

    作者 永不落的梦想 作者主页 传送 座右铭 过去属于死神 未来属于自己 本文专栏 Web漏洞篇 今日鸡汤 只有承担起旅途风雨 最终才能守得住彩虹满天 目录 一 rce漏洞概述 二 常见RCE漏洞函数 1 系统命令执行函数 2 代码执行函数
  • 华为OD机试真题-工作安排【2023Q1】【JAVA、Python、C++】

    题目描述 小明每周上班都会拿到自己的工作清单 工作清单内包含n项工作 每项工作都有对应的耗时时长 单位h 和报酬 工作的总报酬为所有已完成工作的报酬之和 那么请你帮小明安排一下工作 保证小明在指定的工作时间内工作收入最大化 输入描述 输入的
  • 手动安装xapk

    xpak文件实际是一个压缩包 用解压软件可查看其内容 情况1 obb 多见于游戏 apk主包文件很小 用户能安装并启动 要解锁游戏全部内容 则需要下载obb文件 obb文件一般位于 sd卡的根目录下 路径大概是 sdcard Android
  • vue admin-template 添加动态路由

    store getters js const getters sidebar state gt state app sidebar device state gt state app device token state gt state
  • MATLAB实现最大类间方差算法

    Otsu算法 大律法或最大类间方差法 最大类间方差法是由日本学者大津 Nobuyuki Otsu 于1979年提出的 是一种自适应的阈值确定的方法 又叫大津法 简称OTSU 它是按图像的灰度特性 将图像分成背景和目标2部分 背景和目标之间的
  • Pycharm破解方法

    3 破解补丁激活 优点 到期时间为2099年 基本为永久啦 缺点 相对服务器激活麻烦些 但是一共只需要3个步骤 其实并不麻烦 下载 https pan baidu com s 1mcQM8CLUnweY02ahKEr4PQ 并将 Jetbr
  • win7设置右键+T 快捷键 快速新建文本文档

    1 win r 组合键呼出 运行 win就是键盘上和桌面 开始 有相同图标的按键 田 字 2 输入regedit 回车 出现 注册表编辑器 窗口 3 窗口下寻找这个位置 HKEY CLASSES ROOT Local Settings Mu
  • 【pygame学习_5】窗口设计

    1 引言 窗体是游戏的交互界面 一般我们会遇到窗口大小可调 窗口无边框 全屏显示 最小化设计 改名字 换图标等设计需求 屏幕绘制有如下重要函数 2 屏幕模式函数 pygame display set mode print pygame di
  • java解析蓝奏云直连(解析真正文件地址)

    使用htmlunit解析蓝奏云直连 前言 最近有个需求 客户端需要更新软件版本 我一直在用蓝奏云 觉得是个非常不错的网盘 可是如果用户自己打开连接选择下载方式很麻烦 用过蓝奏的朋友都知道 打开外链还要选择普通下载 电信下载 联通下载 很麻烦
  • 多系统UEFI启动项清理,windows、ubuntu,win10盘符隐藏

    文章目录 step1 推荐方法 step2 在window系统中启动cmd窗口 win10 隐藏不必要的盘符 如单机多系统情形 step1 推荐方法 参考 https blog csdn net mtllyb article details
  • sap服务器数据库配置文件,安装和配置 SAP 和数据库

    安装和配置 SAP 和数据库 使用本节中的过程可以执行以下任务 安装 SAP 和数据库 安装 SAP 和可缩放的应用程序服务器 使 SAP 能够在群集中运行 检验 SAP 和数据库安装是否适合于中央实例 检验 SAP 和数据库安装是否适合于
  • R语言排序函数sort(),rank(),order()

    转载地址 http blog sina com cn s blog 6caea8bf0100spe9 html 在R中 和排序相关的函数主要有三个 sort rank order sort x 是对向量x进行排序 返回值排序后的数值向量 r
  • c++智能指针

    C 智能指针详解 本文系转载 原文出处 诚然原博主总结的非常好 我只是加一些自己觉得需要补充的地方 并且在最后给出目前c 11在智能指针这方面的弥补 一 简介 由于 C 语言没有自动内存回收机制 程序员每次 new 出来的内存都要手动 de
  • 分布式系统实现幂等性的方式

    幂等性 接口的幂等性就是同样的数据 在实现方法的多次调用 得到的结果一致 对于查询接口 天然的保持幂等性 但是对于cud来说 如何保持幂等性 看法 从以下方式来看 要保证幂等性 必须要有一个标识 至始至终的保持不变的标识 只有这样 后来的操
  • 开源点云数据集整理汇总

    目录 一 ModelNet40 1 网址 2 模型 二 ShapeNet 1 网址 2 模型 三 S3DIS Dataset 1 网址 2 模型 四 ScanNet 1 网址 2 模型 五 RGB D Object Dataset 1 网址