点云数据集

目录

 1.ModelNet——分类

1.1ModelNet10

1.2ModelNet40

1.3ModelNet40_Aligned

1.4modelnet40_ply_hdf5_2048

1.5说明

 2.S3DIS——分割-室内 

2.1 S3DIS简介

2.2 Collection and Processing

2.3 Train and Test splits

 3.ScanNet——分割-室内

3.1 ScanNet简介

 4.2019数据融合比赛数据集(2019 data fusion contest dataset) 

---

---

合理利用有效的数据集是充分发挥算法性能的重要环节。目前，许多研究机构为学者们提供公共可靠的、开源的三维数据集。数据集分为两类：合成数据集和真实场景数据集。

 1.ModelNet——分类

        Princeton ModelNet project 是为computer vision, computer graphics, robotics and cognitive science的研究者提供全面、干净的 3D CAD 模型集。包括ModelNet10、ModelNet40、Aligned- 40。一个很基础的点云分类数据集。

        其作法是：

•  借用SUN Database的统计数据列出 the most common object categories；
• 然后在网上搜集 3D CAD models belonging to each object category；
• 然后人工使用in-house designed tool​​​​​​ with quality control 检查每个CAD model 是否属于指定的类别；
• choose 10 个流行的对象类型，并删除其它models；
• aligned 这10类模型集的方向，形成＞＞ModelNet10.zip。

1.1ModelNet10

        该数据集被用于train网络，3D ShapeNets: A Deep Representation for Volumetric Shapes

1.2ModelNet40

        ModelNet40.zip

        该数据集包含有40个categories的CAD模型。

1.3ModelNet40_Aligned

        由NS等人提供，论文是Orientation-boosted Voxel Nets for 3D Object Recognition.

        链接

1.4modelnet40_ply_hdf5_2048

链接：https://pan.baidu.com/s/1IojvI2jI2PkxRVSQxeFOzw 
 

1.5说明

        ModelNet数据集内全为Object File Format (.off )文件，无法直接打开。可以使用MeshLab / CloudCompare打开。

Object File Format的格式如下，OFF numVertices的中间因存在space或者enter。否则meshlab打开出错。ModelNet40的部分模型存在该问题。

OFF numVertices numFaces numEdges
x y z
x y z
... numVertices like above
NVertices v1 v2 v3 ... vN
MVertices v1 v2 v3 ... vM
... numFaces like above

 2.S3DIS——分割-室内 

2.1 S3DIS简介

S3DIS数据集是斯坦福大学开发的带有像素级语义标注的语义数据集，包含了rgb，depth，3d点云、mesh等。该数据集被收录在2D-3D-S dataset内。一个室内点云语义分割和实例分割（实例单独标注）数据集。相关paper.

6个区域：Area1、Area2、Area3、Area4、Area5、Area6

11种场景(scene categories)：office, conference room, hallway, auditorium, open space,  lobby,  lounge, pantry, copy room, storage, WC

13个结构元素(structural elements)：ceiling、floor、wall、beam、column、window、door、table、chair、sofa、bookcase、board 、clutter （在Annotations内）

在6个区域中，每个区域包含有部分场景，每个场景包含有整体未标注的点云数据和Annotations的数据，对应Annotations内包含有独立的语义元素（xyzrgb）。

Area_1的整体点云效果如图：

2.2 Collection and Processing

使用Matterport相机收集数据，该相机结合了3个不同角度的结构光传感器，在每个扫描位置360°旋转期间捕捉18幅RGB和深度图像。每个位置以60°为增量进行360°扫描，获得raw RGB-D图像，以此为基础获取其他格式的rgbd数据，并通过sampling the meshes 获取点云，然后在点云上进行semantically annotated

2.3 Train and Test splits

因为六个区域内的建筑类型外观特征是相似的，为了泛化，就defined standard training and testing splits. 并且遵循分层交叉验证（Cross-Validation）

 3.ScanNet——分割-室内

3.1 ScanNet简介

该数据集是由斯坦福 Angela Dai 采用 RGB-D capture system 获取的视频室内场景数据集，通过1513次室内场景扫描获得 250 万个视图，分为 21 个类别。通过 3D camera poses, surface reconstructions,  instance-level semantic segmentations进行了注释。该数据集可用于3D object classification, semantic voxel labeling, CAD model retrieval。

相关网站、github、paper

 4.ShapeNet——分类、部件分割

4.1 ShapeNet 简介

ShapeNet is an ongoing effort to establish a richly-annotated, large-scale dataset of 3D shapes. We provide researchers around the world with this data to enable research in computer graphics, computer vision, robotics, and other related disciplines.         链接：ShapeNet

该数据集每个类别的点云数据规模都很小，大概在2000多个点左右。参考

• 类别丰富：ShapeNet 数据集涵盖了数十个常见物体类别，如椅子、汽车、飞机、人体等。每个类别都有大量的三维模型与之对应。
• 三维模型：每个模型由一组顶点和面构成，并包含了模型的几何信息和拓扑结构。
• 元数据：除了几何信息外，数据集还提供了对模型的丰富描述数据，如对模型的标签、类别、姿态、尺寸等的注释。

4.2 ShapeNet 组成

ShapeNet包括ShapeNetCore和ShapeNetSem

ShapeNetCore是完整ShapeNet的子集，具有单一干净的3D models以及手工标注的对齐的模型。包含55 common object categories，涉及到51300 unique 3D models。The 12 object categories of PASCAL 3D+, a popular computer vision 3D benchmark dataset, are all covered by ShapeNetCore.

ShapeNetSem是一个更小，标注信息更加全面的子集，涉及到270个种类，总计12000个模型。不仅具有类别标签，还备注有真实尺寸、材料、体积、重量等信息。

 4.2019数据融合比赛数据集(2019 data fusion contest dataset) 

数据集旨在利用深度学习完成城市场景的语义类 3D 重建和预测点云语义标签等研究。数据集中包括两所城市的多视图、多波段卫星图像和语义标签。其中，语义类包括地面、高植被、建筑、水、高架道路和桥梁等。