点云数据格式 数据集笔记

目录

点云标注工具：

数据格式：

pcd格式：

ply格式

las格式

off格式

obj格式

pwn格式

数据集

自动驾驶数据pandaset

室外驾驶SemanticKITTI

S3DIS 室内分割

Semantic3D

点云标注工具：

https://github.com/jbehley/point_labeler

数据格式：

pcd格式：

python可以读

open3d读取点云

注意，meshlab不能直接查看pcd格式，需要转为ply格式。

o3d.io.write_point_cloud('003.ply',pcd1)

if __name__ == '__main__':
    import numpy as np
    # las2pcd()

    import open3d as o3d

    pcd1 = o3d.io.read_point_cloud(r'point3.txt',format='xyz')

    o3d.io.write_point_cloud("filename.pcd", pcd1)

    # mesh = open3d.io.triange_mesh(mesh_file_path)
    # o3d.io.w("filename.ply", pcd1)
    o3d.io.write_point_cloud('003.ply',pcd1)


    # pcd1 = o3d.io.read_point_cloud(r'F:\biadu_down\las-20200813-110417_1\data-20200813-110417_1.las')
    pcd1.paint_uniform_color([0, 255, 0])

    o3d.visualization.draw_geometries([pcd1])

ply格式

meshlab可以直接查看。

PLY：多边形文件格式（polygon file format），用来存储以许多多边形形式描述的图形物体。

las格式

meshlab不能查看，cloudcompare可以看。

c++ las转pcd

https://blog.csdn.net/jacke121/article/details/118883648

off格式

　　OFF
　　顶点数 面片数 边数
　　x y z
　　x y z
　　...
　　n个顶点 顶点1的索引 顶点2的索引 … 顶点n的索引
　　...

off格式举例：

OFF
8 12 0
-0.274878 -0.274878 -0.274878
-0.274878  0.274878 -0.274878
 0.274878  0.274878 -0.274878
 0.274878 -0.274878 -0.274878
-0.274878 -0.274878  0.274878
-0.274878  0.274878  0.274878
 0.274878  0.274878  0.274878
 0.274878 -0.274878  0.274878
3  0 1 3
3  3 1 2
3  0 4 1
3  1 4 5
3  3 2 7
3  7 2 6
3  4 0 3
3  7 4 3
3  6 4 7
3  6 5 4
3  1 5 6
3  2 1 6

obj格式

首先一个字符串，字符串后面空格，再加相应的数据，每行都是如此

可参见OBJ格式模型详细介绍

    v 顶点
    vt 纹理坐标
    vn 顶点法向量
    f  面

pwn格式

第一行是顶点数，后面接每个点的坐标，按每个点的坐标顺序接每个点的法向量

顶点数
每个点的坐标
每个点的法向量

数据集

自动驾驶数据pandaset

https://scale.com/resources/download/pandaset

室外驾驶SemanticKITTI

http://semantic-kitti.org/dataset.html#download

迅雷种子：

https://hyper.ai/datasets/13408

百度网盘：

链接：https://pan.baidu.com/s/1-4WchJlcZ2guwcfbHqrdFw
提取码：grys

S3DIS 室内分割

https://docs.google.com/forms/d/e/1FAIpQLScDimvNMCGhy_rmBA2gHfDu3naktRm6A8BPwAWWDv-Uhm6Shw/viewform?c=0&w=1

Semantic3D

http://www.semantic3d.net/view_dbase.php?chl=1

Semantic KITTI dataset, and preprocess the data:

http://semantic-kitti.org/dataset.html#download

国内数据集下载：

文件列表：
http://www.functionweb.tk/?/kitti/

如果遭遇下载失败的情况请访问
https://blog.csdn.net/weixin_43599336/article/details/87801040

原始图片地址(申请界面):http://www.cvlibs.net/download.php?file=data_object_image_2.zip
原始标签地址(申请界面):http://www.cvlibs.net/download.php?file=data_object_labels_2.zip
————————————————
版权声明：本文为CSDN博主「Bend_Function」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_43599336/article/details/86533572

IoU: 
car:           93.07
bicycle:       16.70
motorcycle:    20.64
truck:         67.74
other-vehicle: 41.46
person:        48.79
bicyclist:     65.74
motorcyclist:   0.00
road:          91.44
parking:       42.21
sidewalk:      76.50
other-ground:   6.15
building:      85.55
fence:         38.86
vegetation:    84.19
trunk:         58.49
terrain:       73.63
pole:          51.63
traffic-sign:  36.05

汽车：93.07

自行车：16.70

摩托车：20.64

卡车：67.74

其他车辆：41.46

人数：48.79

骑自行车者：65.74

摩托车手：0.00

道路：91.44

停车场：42.21

人行道：76.50

其他地面：6.15

建筑：85.55

围栏：38.86

植被：84.19

行李箱：58.49

地形：73.63

杆：51.63

交通标志：36.05

2.

并在ScanNet和ShapeNet基准数据集