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(shù)據(jù)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(shù)據(jù)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(biāo)是為計算機視覺、計算機圖形學(xué)、機器人學(xué)和認知科學(xué)領(lǐng)域的研究人員提供全面、干凈的對象 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、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(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)集的一個子集，干凈的3D模型，經(jīng)過手動驗證的分類和注釋標(biāo)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(biāo)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(biāo)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(shù)據(jù)內(nèi)容： 飛機、汽車、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/，（需要注冊并審核通過）
1.3 PartNet （部件分割）
一個一致的、大規(guī)模的 3D 對象數(shù)據(jù)集，用細粒度的、實例級的和分層的3D 零件信息進行注釋。數(shù)據(jù)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(shù)據(jù)集：
- PartNet-v0/v1：語音分割
- PartNet-Symh：使用二元對稱層次結(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、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)場景、語義分割）
包含數(shù)據(jù)集：
- Full 2D-3D-S Dataset：
- S3DIS Dataset：
數(shù)據(jù)內(nèi)容： 會議室、個人辦公室、禮堂、休息室、開放空間、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)場景、語義標(biāo)簽）
一個二維三維數(shù)據(jù)集，主要采集了室內(nèi)場景的二維圖像信息，包括rgb、深度，三維點云ply數(shù)據(jù)，并進行了語義標(biāo)簽和實例標(biāo)簽標(biāo)注。
一共1513個采集場景數(shù)據(jù)（每個場景中點云數(shù)量都不一樣，如果要用到端到端可能需要采樣，使每一個場景的點都相同），共21個類別的對象，其中，1201個場景用于訓(xùn)練，312個場景用于測試
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)場景
采集方式： RGBD攝像機得到的3維激光點云
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 （需要填寫協(xié)議，郵件作者）
1.6 Semantic3D（室外自然場景，語義分割）
一個大型標(biāo)記的3D點云數(shù)據(jù)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(shè)備進行靜態(tài)掃描，并包含非常精細的細節(jié)。
包含數(shù)據(jù)集：
semantic-8：具有8個類標(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}。附加標(biāo)簽 {0：未標(biāo)記的點}
reduceed-8：縮減版
數(shù)據(jù)內(nèi)容： 教堂，街道，鐵軌，廣場，村莊，足球場，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 （道路點云，語義分割）
基于激光雷達序列的語義場景理解數(shù)據(jù)集，一個基于KITTI視覺基準(zhǔn)的大規(guī)模數(shù)據(jù)集，并使用了測距任務(wù)提供的所有序列。我們?yōu)樾蛄?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(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)，以及德國卡爾斯魯厄周圍的高速公路場景和鄉(xiāng)村道路。共標(biāo)注 28 個類，包括區(qū)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(nèi)部繼續(xù)細分）。
采集方式： 汽車激光雷達的全360度視場
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 （點云配準(zhǔn)、語義分割、實例分割）
為推進深度學(xué)習(xí)方法在點云配準(zhǔn)、語義分割、實例分割等領(lǐng)域的發(fā)展，武漢大學(xué)聯(lián)合國內(nèi)外多家高等院校和研究機構(gòu)發(fā)布了包含多類型場景的地面站點云配準(zhǔn)基準(zhǔn)數(shù)據(jù)集WHU-TLS和包含語義、實例的城市級車載點云基準(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： 地面點云、車載點云
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 點云配準(zhǔn)
2.1 The Stanford 3D Scanning Repository （點云配準(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 （點云配準(zhǔn)）
3DMatch數(shù)據(jù)集收集了來?于62個場景的數(shù)據(jù)，其中54個場景的數(shù)據(jù)?于訓(xùn)練，8個場景的數(shù)據(jù)?于評估，其具體名稱查看train.txt和test.txt。3DMatch數(shù)據(jù)常?于3D點云的關(guān)鍵點、特征描述?、點云配準(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 (點云配準(zhǔn)、目標(biāo)檢測)
點云配準(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(zhǔn)、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(biāo)志和樹木等，可以用來測試匹配和分類算法。
包含數(shù)據(jù)集： Sydney Urban Objects Dataset
數(shù)據(jù)內(nèi)容： 城市道路對象：摩托車、汽車、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（駕駛場景）
3.1 KITTI （目標(biāo)檢測）
是目前國際上最大的自動駕駛場景下的算法評測數(shù)據(jù)集。該數(shù)據(jù)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(shù)在車載環(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、高速公路實時采集
采集方式： 車載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/ （注冊賬號下載）
3.2 IQmulus & TerraMobilita Contest （檢測、分類、分割）
該數(shù)據(jù)庫包含由3億點組成的巴黎密集城市環(huán)境的三維MLS數(shù)據(jù)。在這個數(shù)據(jù)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(biāo)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(shù)據(jù)集：
- Learning dataset ：用于學(xué)習(xí)
- ten zones：用于測試
數(shù)據(jù)內(nèi)容： 巴黎密集城市環(huán)境
采集方式： 車載MLS
發(fā)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(shù)據(jù)集。完整數(shù)據(jù)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(guān)鍵幀中的 140 萬個對象邊界框。2020年7月，發(fā)布了nuScenes-lidarseg
包含數(shù)據(jù)集：
- nuScenes ：
- nuScenes-lidarseg：激光雷達語義分割
- 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)性的駕駛場景
采集方式： 6個攝像頭，1個激光雷達，5個雷達，GPS，IMU
發(fā)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(shù)據(jù)集包含3000個駕駛片段，每一片段包含20秒的連續(xù)駕駛畫面。連續(xù)鏡頭內(nèi)容可以使得研究人員開發(fā)模型來跟蹤和預(yù)測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。每個分段涵蓋5個高分辨率Waymo激光雷達和五個前置和側(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： 包括各種時間、環(huán)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(cè)面）
- 同步激光雷達和攝像頭數(shù)據(jù)
- 激光雷達到攝像機投影
- 傳感器校準(zhǔn)和車輛姿勢
發(fā)布單位： Waymo
下載地址： https://waymo.com/open/ （注冊賬號下載）
4 機載點云數(shù)據(jù)集
4.1 德國Vaihingen數(shù)據(jù)集
國際攝影測量與遙感協(xié)會（ISPRS）提供的德國Vaihingen小鎮(zhèn)3D語義標(biāo)簽數(shù)據(jù)集，包括機載LiDAR掃描點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： 機載LiDAR掃描點云、多光譜航空影像
發(fā)布單位： 國際攝影測量與遙感協(xié)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(xué)學(xué)院（UCD）的城市建模小組通過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年由直升機搭載并開展掃描。然而，實際的聚焦區(qū)域約為2 km^2，其中包含最密集的LiDAR點云和影像數(shù)據(jù)集。飛行高度大多在300米左右，總行程在41條飛行路徑中進行。
包含數(shù)據(jù)：
數(shù)據(jù)內(nèi)容： 機載LiDAR掃描點云，詳細標(biāo)注，精細標(biāo)注。（精細到連建筑物的窗戶都進行了單獨標(biāo)注，在下載地址中有詳細介紹）
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)
待補充
4.4 RoofN3D
美國地質(zhì)調(diào)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(xué)習(xí)）。
包含數(shù)據(jù)集：
- RoofN3D ：
數(shù)據(jù)內(nèi)容： 共包含了118074個建筑物點云數(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，這是一個大規(guī)模航空LiDAR數(shù)據(jù)集，其中包含超過5億個手動標(biāo)記點，跨越10平方公里的面積和八個對象類別。
包含數(shù)據(jù)集：
- DALES ：包含語義分割標(biāo)簽的原始數(shù)據(jù)集。
- DALESObjects ：包含語義標(biāo)簽、實例標(biāo)簽和強度數(shù)據(jù)的第二個版本。
數(shù)據(jù)內(nèi)容： 數(shù)據(jù)集預(yù)分為29個訓(xùn)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(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 航空攝影點云
即從航空攝影、傾斜攝影中匹配出的點云數(shù)據(jù)
5.1 Urban3D
13個語義類，通過點云標(biāo)記工具標(biāo)記所有3D點，且所有標(biāo)簽均經(jīng)過人工交叉檢查，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、停車場、鐵路、交通道路、街道設(shè)施、汽車、人行道、自行車、水
采集方式： 固定翼無人機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）官方對中國玩家很友好，甚至提供了百度網(wǎng)盤下載地址。
5.2 Swiss3DCities
室外城市（瑞士）三維點云數(shù)據(jù)集，總面積為2.7 km2。點云均勻致密且完整，并且對不同的應(yīng)用非常有用，包括自動駕駛，游戲，智能城市規(guī)劃和機器人技術(shù)。
包含數(shù)據(jù)集：
- Swiss3DCities：
數(shù)據(jù)內(nèi)容： 城市三維點云數(shù)據(jù)集
采集方式： 攝影測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（申請下載）
參考（更多資源）：
- 三維視覺與自動駕駛數(shù)據(jù)集（40個） - 知乎 (zhihu.com)
- 騰訊內(nèi)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(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）的全部內(nèi)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： HDU 1213 How Many Ta