点云数据集汇总整理（匠心之作，附官方下载地址）
點云公開數據集
最近更新：20222年10月
不能詳盡，若有錯誤，歡迎指正補充。如果你對數據集下載有疑問，歡迎留言討論
1 點云分類和分割
1.1 ModelNet40 （點云分類）
普林斯頓 ModelNet 項目的目標是為計算機視覺、計算機圖形學、機器人學和認知科學領域的研究人員提供全面、干凈的對象 3D CAD 模型集合。
包含數據集：
- ModelNet40：
- ModelNet10：
- modelnet40_ply_hdf5_2048：
- modelnet40_normal_resampled ：
數據內容： 飛機、汽車、椅子、碗、瓶、鍵盤、樓梯、…
采集方式： CAD建模，在模型上采集點云
發布單位： 普林斯頓大學
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）
一個注釋豐富的大規模 3D 形狀數據集
包含數據集：
- ShapeNetCore：ShapeNet數據集的一個子集，干凈的3D模型，經過手動驗證的分類和注釋標簽。它涵蓋55個常見對象類別，約51300個獨特的3D模型。
- ShapeNetSem：一個更小、注釋更密集的子集，由12000個模型組成，分布在更廣泛的270個類別中。除了手動驗證的類別標簽和一致的對齊方式外，這些模型還使用真實世界的尺寸標注、類別級別的材料成分估計值以及總體積和重量估計值進行注釋。
數據內容： 飛機、汽車、桌子、椅子、電腦、浴缸、…
采集方式：
發布單位： 普林斯頓大學，斯坦福大學，TTIC
下載地址： https://shapenet.org/，（需要注冊并審核通過）
1.3 PartNet （部件分割）
一個一致的、大規模的 3D 對象數據集，用細粒度的、實例級的和分層的3D 零件信息進行注釋。數據集包含 26,671 個 3D 模型的 573,585 個零件實例，涵蓋 24 個對象類別。
包含數據集：
- PartNet-v0/v1：語音分割
- PartNet-Symh：使用二元對稱層次結構豐富了我們的 PartNet 數據集
數據內容： 桌子、椅子、床、耳機、電腦、…
采集方式：
發布單位： 斯坦福大學等
下載地址： https://partnet.cs.stanford.edu/
1.4 S3DIS （室內場景、語義分割）
包含數據集：
- Full 2D-3D-S Dataset：
- S3DIS Dataset：
數據內容： 會議室、個人辦公室、禮堂、休息室、開放空間、大廳、樓梯、走廊
發布單位： 斯坦福大學
下載地址： http://buildingparser.stanford.edu/dataset.html （需要登記信息）
1.5 Scannet（室內場景、語義標簽）
一個二維三維數據集，主要采集了室內場景的二維圖像信息，包括rgb、深度，三維點云ply數據，并進行了語義標簽和實例標簽標注。
一共1513個采集場景數據（每個場景中點云數量都不一樣，如果要用到端到端可能需要采樣，使每一個場景的點都相同），共21個類別的對象，其中，1201個場景用于訓練，312個場景用于測試
包含數據集：
- 完整數據集：
- 子集：
數據內容： 室內場景
采集方式： RGBD攝像機得到的3維激光點云
發布單位： 斯坦福大學，普林斯頓大學，慕尼黑工業大學
下載地址： http://www.scan-net.org/#code-and-data （需要填寫協議，郵件作者）
1.6 Semantic3D（室外自然場景，語義分割）
一個大型標記的3D點云數據集，其中包含自然場景，總共超過40億個點。它還涵蓋了一系列不同的城市場景：教堂，街道，鐵軌，廣場，村莊，足球場，城堡等等。我們提供的點云使用最先進的設備進行靜態掃描，并包含非常精細的細節。
包含數據集：
semantic-8：具有8個類標簽的分類基準，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}。附加標簽 {0：未標記的點}
reduceed-8：縮減版
數據內容： 教堂，街道，鐵軌，廣場，村莊，足球場，城堡等室外地面掃描結果
采集方式： 室外地面掃描
發布單位： 瑞士蘇黎世聯邦理工學院
下載地址： http://www.semantic3d.net/ （直接下載）
1.7 Semantic KITTI （道路點云，語義分割）
基于激光雷達序列的語義場景理解數據集，一個基于KITTI視覺基準的大規模數據集，并使用了測距任務提供的所有序列。我們為序列 00-10 的每個單獨掃描提供密集注釋，從而可以使用多個順序掃描進行語義場景解釋，如語義分割和語義場景完成
包含數據集：
- KITTI Odometry Benchmark Velodyne point clouds：
- KITTI Odometry Benchmark calibration data：
- SemanticKITTI label data：
數據內容： 數據集包含10條完整采集軌跡，市中心的交通、住宅區，以及德國卡爾斯魯厄周圍的高速公路場景和鄉村道路。共標注 28 個類，包括區分非移動對象和移動對象的類，即地面、建筑、車、人、物體等大類（內部繼續細分）。
采集方式： 汽車激光雷達的全360度視場
發布單位： 波恩大學
下載地址： http://semantic-kitti.org/dataset.html （提供郵箱下載）
1.8 WHU-TLS/MLS （點云配準、語義分割、實例分割）
為推進深度學習方法在點云配準、語義分割、實例分割等領域的發展，武漢大學聯合國內外多家高等院校和研究機構發布了包含多類型場景的地面站點云配準基準數據集WHU-TLS和包含語義、實例的城市級車載點云基準數據集WHU-MLS。
包含數據集：
- WHU-TLS：地鐵站、高鐵站、山地、公園、校園、住宅、河岸、文化遺產建筑、地下礦道、隧道等
- WHU-MLS：地面特征，動態目標，植被，桿狀地物及其附屬結構，建筑和結構設以及其他公共便利設施等6大類30余小類地物要素
數據內容： 數據集涵蓋了地鐵站、高鐵站、山地、森林、公園、校園、住宅、河岸、文化遺產建筑、地下礦道、隧道等11種不同的環境
采集方式： 地面點云、車載點云
發布單位： 武漢大學（聯合其它單位）
下載地址： http://3s.whu.edu.cn/ybs/en/benchmark.htm （登記信息下載）
2 點云配準
2.1 The Stanford 3D Scanning Repository （點云配準、表面重建）
包含數據： 斯坦福模型
數據內容： 兔子、龍、馬、各類雕像等
采集方式： Cyberware三維掃描儀
發布單位： 斯坦福大學
下載地址： http://graphics.stanford.edu/data/3Dscanrep/
2.2 3D Match （點云配準）
3DMatch數據集收集了來?于62個場景的數據，其中54個場景的數據?于訓練，8個場景的數據?于評估，其具體名稱查看train.txt和test.txt。3DMatch數據常?于3D點云的關鍵點、特征描述?、點云配準等任務。
包含數據集： 7-Scenes、SUN3D 等
數據內容： 客廳、辦公室、廚房、樓梯、等
采集方式： RGB-D數據生成
發布單位： 普林斯頓大學
下載地址： https://3dmatch.cs.princeton.edu/ （直接下載）
2.3 ASL Datasets Repository (點云配準、目標檢測)
點云配準應用
包含數據集：
數據內容： 公寓、樓梯、山地平原、亭子、等
采集方式： Hokuyo UTM-30LX 激光掃描儀
發布單位： Autonomous Systems Lab （蘇黎世聯邦理工學院自治系統實驗室）
下載地址： https://projects.asl.ethz.ch/datasets/doku.php （直接下載）
2.4 Sydney Urban Objects Dataset （點云配準、點云分類）
包含用Velodyne HDL-64E LIDAR掃描的各種常見城市道路對象，收集于澳大利亞悉尼CBD。含有631個單獨的掃描物體，包括車輛、行人、廣告標志和樹木等，可以用來測試匹配和分類算法。
包含數據集： Sydney Urban Objects Dataset
數據內容： 城市道路對象：摩托車、汽車、行人、植被、交通標志、等
采集方式： Velodyne HDL-64E LIDAR，
發布單位： 悉尼大學
下載地址： https://www.acfr.usyd.edu.au/papers/SydneyUrbanObjectsDataset.shtml （直接下載）
3 目標檢測（駕駛場景）
3.1 KITTI （目標檢測）
是目前國際上最大的自動駕駛場景下的算法評測數據集。該數據集用于評測立體圖像(stereo)，光流(optical flow)，視覺測距(visual odometry)，3D物體檢測(object detection)和3D跟蹤(tracking)等計算機視覺技術在車載環境下的性能。
包含數據集： Velodyne point clouds、…
數據內容： 城市、農村、高速公路實時采集
采集方式： 車載Velodyne激光掃描儀
發布單位： 卡爾斯魯厄理工學院、芝加哥豐田技術研究所
下載地址： http://www.cvlibs.net/datasets/kitti/ （注冊賬號下載）
3.2 IQmulus & TerraMobilita Contest （檢測、分類、分割）
該數據庫包含由3億點組成的巴黎密集城市環境的三維MLS數據。在這個數據庫中，對整個三維點云進行分割和分類，即每個點包含一個標簽和一個類。因此，可用于對檢測-分割-分類方法進行點向評估。
包含數據集：
- Learning dataset ：用于學習
- ten zones：用于測試
數據內容： 巴黎密集城市環境
采集方式： 車載MLS
發布單位： 法國國家測繪局
下載地址： http://data.ign.fr/benchmarks/UrbanAnalysis/# （直接下載）
3.3 nuScenes （檢測、追蹤、分割）
包含所有 1000 個場景的完整 nuScenes 數據集。完整數據集包括大約 140 萬張攝像機圖像、39 萬張激光雷達掃描、1.4 米雷達掃描和 4 萬個關鍵幀中的 140 萬個對象邊界框。2020年7月，發布了nuScenes-lidarseg
包含數據集：
- nuScenes ：
- nuScenes-lidarseg：激光雷達語義分割
- nuScenes-panoptic：
數據內容： （波士頓和新加坡）密集的交通和極具挑戰性的駕駛場景
采集方式： 6個攝像頭，1個激光雷達，5個雷達，GPS，IMU
發布單位： motional
下載地址： https://www.nuscenes.org/nuscenes#data-collection（注冊登錄下載）
3.4 Waymo Open Dataset （檢測、追蹤）
數據集包含3000個駕駛片段，每一片段包含20秒的連續駕駛畫面。連續鏡頭內容可以使得研究人員開發模型來跟蹤和預測其他道路使用者的行為。數據采集的范圍涵蓋鳳凰城、柯克蘭、山景城、舊金山等地區，以及各種駕駛條件下的數據，包括白天、黑夜、黎明、黃昏、雨天和晴天。每個分段涵蓋5個高分辨率Waymo激光雷達和五個前置和側面攝像頭的數據
包含數據集：
- Perception Dataset：
- Motion Dataset：
數據內容： 包括各種時間、環境，對象和天氣條件的駕駛場景
采集方式：
- 1 個中檔激光雷達
- 4 個短程激光雷達
- 5 個攝像頭（正面和側面）
- 同步激光雷達和攝像頭數據
- 激光雷達到攝像機投影
- 傳感器校準和車輛姿勢
發布單位： Waymo
下載地址： https://waymo.com/open/ （注冊賬號下載）
4 機載點云數據集
4.1 德國Vaihingen數據集
國際攝影測量與遙感協會（ISPRS）提供的德國Vaihingen小鎮3D語義標簽數據集，包括機載LiDAR掃描點云和多光譜航空影像
包含數據集：
- Potsdam：
- Toronto：
- Vaihingen：
數據內容： 機載LiDAR掃描點云、多光譜航空影像
發布單位： 國際攝影測量與遙感協會（ISPRS）
下載地址： https://www.isprs.org/education/benchmarks/UrbanSemLab/default.aspx （可直接下載）
4.2 DublinCity
都柏林大學學院（UCD）的城市建模小組通過ALS設備掃描了都柏林市中心的主要區域（即約5.6公里，包括部分覆蓋的區域），該設備于2015年由直升機搭載并開展掃描。然而，實際的聚焦區域約為2 km^2，其中包含最密集的LiDAR點云和影像數據集。飛行高度大多在300米左右，總行程在41條飛行路徑中進行。
包含數據：
數據內容： 機載LiDAR掃描點云，詳細標注，精細標注。（精細到連建筑物的窗戶都進行了單獨標注，在下載地址中有詳細介紹）
發布單位： 都柏林大學學院
下載地址： https://v-sense.scss.tcd.ie/DublinCity/ （可直接下載）
4.3 武漢大學
待補充
4.4 RoofN3D
美國地質調查局 (USGS) 提供紐約的機載 LiDAR 點云，主要用于建筑物重建（深度學習）。
包含數據集：
- RoofN3D ：
數據內容： 共包含了118074個建筑物點云數據，被標記為三種屋頂類型分別是雙坡型、四角攢尖型和四坡型。
發布單位： 美國地質調查局 (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）數據集，這是一個大規模航空LiDAR數據集，其中包含超過5億個手動標記點，跨越10平方公里的面積和八個對象類別。
包含數據集：
- DALES ：包含語義分割標簽的原始數據集。
- DALESObjects ：包含語義標簽、實例標簽和強度數據的第二個版本。
數據內容： 數據集預分為29個訓練文件和11個測試文件，分為以下幾類：地面（1）、植被（2）、汽車（3）、卡車（4）、電力線（5）、圍欄（6）、電線桿（7）和建筑物（8）
發布單位： 戴頓大學（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 航空攝影點云
即從航空攝影、傾斜攝影中匹配出的點云數據
5.1 Urban3D
13個語義類，通過點云標記工具標記所有3D點，且所有標簽均經過人工交叉檢查，保證了一致性和高品質。
包含數據集：
- Urban3D：
數據內容： 地面、植被、建筑物、墻體、橋梁、停車場、鐵路、交通道路、街道設施、汽車、人行道、自行車、水
采集方式： 固定翼無人機Ebee X
發布單位： （文章作者是牛津大學）
下載地址： http://point-cloud-analysis.cs.ox.ac.uk/ （登記信息下載）官方對中國玩家很友好，甚至提供了百度網盤下載地址。
5.2 Swiss3DCities
室外城市（瑞士）三維點云數據集，總面積為2.7 km2。點云均勻致密且完整，并且對不同的應用非常有用，包括自動駕駛，游戲，智能城市規劃和機器人技術。
包含數據集：
- Swiss3DCities：
數據內容： 城市三維點云數據集
采集方式： 攝影測量方法從航空影像中構建
發布單位： Nomoko AG
下載地址： https://zenodo.org/record/4390295#.Y0eIodJBxuV（申請下載）
參考（更多資源）：
- 三維視覺與自動駕駛數據集（40個） - 知乎 (zhihu.com)
- 騰訊內容開放平臺 (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
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）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： css bug 集2
- 下一篇： JQUERY解析XML IE8的兼容问题