室内数据集:
一.S3DIS数据集
数据介绍:
该数据集是被广泛使用的一种大规模室内3D 空间数据集,于2017年在斯坦福大学通过扫描仪扫描获得。整个数据集包含了6个大规模3D空间的室内区域场景,共272个房间,13个类别。一般情况下,区域5(area5)用于测试,另外5个区域用于训练。
数据集出处:
ARMENI I,SAX S,ZAMIR A R,et al.Joint 2D-3Dsemantic
data for indoor scene understanding[J/OL].
(2017-02-15)[2022-07-18].https:∥ www.doc88.
com/p-1357435433111.html
二.ScanNet数据集:
数据介绍:
该数据集是一个RGB-D视频数据集,拥有从1513个3D室内场景扫描的250万个视图,共有21个语义类别;其中用于训练的有1201个场景,用于测试的有312个场景。此外,该数据集包含坐标XYZ、标签Labble信息和颜色RGB信息。
数据集出处:
DAI A,CHANG A X,SAVVA M,et al.ScanNet:
richly-annotated 3Dreconstructions of indoor scenes[C]∥Proceedings of the IEEE Conference on ComputerVision and Pattern Recognition.[S.l.]:[s.n.],2017:5828-5839.
室外数据集:
三.Semantic3D数据集:
数据集介绍:
该数据集包含了村庄、街道、广场、教堂和城堡等8个不同的城市室外语义场景类别,场景中的每个点都拥有RGB值与强度值。该数据集共包含20个场景,其中5个场景用于训练,其余15个场景用于测试。
数据集出处:
HACKEL T,SAVINOV N,LADICKY L,et al.Semantic3D.net:a new large-scale point cloud classification benchmark[EB/OL].[2022-07-18].https:∥www.zhangqiaokeyan
四.Toronto-3D数据集:
数据集介绍:
该数据集属
于大型城市室外数据集,收集于加拿大多伦多的大型街道,涵盖约1km的路段,由大约7 830万个点和8个标记的对象类组成。整个数据集共分为4部分,每部分的范围约为250m。其中包括的标记对象有道路、道路标记、天然树木、建筑物、公共线路、电线杆、汽车和围栏。
数据及出处:
TAN W K,QIN N N,MA L F,et al.Toronto-3D:alarge-scale mobile LiDAR dataset for semanticsegmentation of urban roadways[C]∥Proceedings ofthe IEEE/CVF Conference on Computer Vision andPattern Recognition Workshops.[S.l.]:[s.n.],2020:202-203.
五.ISPRS Vaihigen3D数据集:
数据介绍:
该数据集由3个独立区域的机载激光扫描点云组成,共包含9个类别(电力线、低植被、不透水表面、汽车、栅栏/树篱、屋顶、立面、灌木和树木)。其中,每个点都拥有XYZ坐标、反射率、重复计数信息和标签,且用于训练的有753876个点,用于测试的有410722个点。
数据出处:
六.Semantic KITTI数据集:
数据集介绍:
该数据集展示了德国卡尔斯鲁厄周边的城市内部交通、住宅区以及公路场景和乡村道路,覆盖近40km,包含了约45亿个点和25个类别标签。整个数据集由22个序列组成,其中序列0~10作为训练集(用作验证集的08序列除外),序列11~21作为测试集。
数据集出处:
BEHLEY J,GARBADE M,MILIOTO A,et alSemantickitti:a dataset for semantic scene understandingof LiDAR sequences[C]∥Proceedings of the IEEE/CVF International Conference on Computer Vision.Seoul,Korea:IEEE,2019:9297-9307.
七.Pris-Lille-3D数据集:
数据集介绍:
该数据集是大型室外场景数据集。该数据集是在移动激光扫描系统下使用雷达采集,其点密度和测量精度更接近自动驾驶汽车采集的点云数据。该数据集覆盖近2km,有超过1.4亿个点,并提供了50个类别非常详细的标签。对于基准测试,该数据集使用9个类作为语义分割的测试基准。
数据出处:
ROYNARD X,DESCHAUD J E,GOULETTE F.
Paris-lille-3D:a large and high-quality ground-truthurban point cloud dataset for automatic segmentation and classification[J].The International Journal ofRobotics Research,2018,37(6):545-557.
八.WHU-TLS数据集:
数据集介绍:
该数据集是由武汉大学与多个国外研究机构联合发布的地面激光扫描点云数据集。该数据集是目前规模最大、类型最多的点云数据集,共拥有11种不同的场景(地铁站、高速铁路平台、山区、森林、公园、校园、住宅、河岸、遗产建筑、地下挖掘和隧道),共计17.4亿个点。
数据出处:
WU T,VALLET B,PIERROT-DESEILLIGNY M,et al.A new stereo dense matching benchmark dataset
for deep learning[J].The International Archives ofPhotogrammetry,Remote Sensing and Spatial InformationSciences,2021,43:405-412.