点云配准真实数据

在验证算法鲁棒性的时候用到了一些数据集，做一下总结。

• kitti数据集：自动驾驶

Are we ready for autonomous driving? the KITTI vision benchmark suite.（2012 CVPR）
这个文章中介绍了Kitti数据集，他公开了很多详细的坐标转换函数和readme，认真去看就能处理出来。

http://www.cvlibs.net/datasets/kitti/index.php

 

• 百度Apollo数据集：自动驾驶

百度在加州南湾采集的真实公路数据，看到他们自己的文章在用。

DeepVCP An End-to-End Deep Neural Network for 3D Point Cloud Registration（2019 ICCV）

L3-Net: Towards learning based LiDAR localization for autonomous driving （2019 CVPR）

自己写过一个文章总结了下，细节上还是有些问题没搞清，不过百度这个数据集采集的好像比Kitti更加精确。

https://mp.csdn.net/postedit/102973999

 

• Stanford Lounge 

一个斯坦福休息室的数据，看到下面两个文章再用，要从深度视频提取深度图，再转换成点云，这点没问题，真值，关键是真值，从局部坐标系变换到世界坐标系，两个差距太大，最后也不知道怎么用，问了没人回复了。

Fast and Accurate Point Cloud Registration using Trees of Gaussian Mixtures(2018 CVPR)

FilterReg Robust and Efficient Probabilistic Point-Set Registration using Gaussian Filter and Twist Parameterization(2019 CVPR)

数据链接：http://qianyi.info/scenedata.html

 

• 3D model of the office scene

办公室场景的扫描，数据链接：https://www.microsoft.com/en-us/research/project/rgb-d-dataset-7-scenes/

提到的文章 Go-ICP: A Globally Optimal Solution to 3D ICP Point-Set Registration（2015 PAMI）

 

• 超多三维重建的真实数据

从文章：An Adaptive Data Representation for Robust Point-Set Registration and Mergin（2015 ICCV）中发现了这个网站，里面有超多三维重建的真实场景数据集，我选用了它文章提到的两个。

数据链接：http://kos.informatik.uni-osnabrueck.de/3Dscans/

 

• Sparse ICP中提到的模型网站

从文章：Sparse Iterative Closest Point看到的模型提供网站，不过有些它自己用的没找全。

数据链接：https://lgg.epfl.ch/statues_dataset.php

总结：处理数据真的是让我心力憔悴，很多不一样的数据格式要转换出来，然后去验证它的真值，汗。等这阵忙完了把自己处理点云数据的思路写个文章吧，包含pcd，ply，stl，wrl，txt等等怎么转换。