三维点云数据库

        深度学习算法研究与开发离不开数据库，在这里对较为常用的点云三维数据库作整理，以便后续研究使用过程。这里将开源点云三维数据库分为两类：室外三维数据集和室内三维数据集。

        室外三维数据集：通常采用激光雷达采集，分辨率有限，垂直方向上分辨率由激光雷达线束数量决定；室内三维数据库：通常采用精度更高的激光雷达或者RGB-D深度相机进行采集。

---

1.ModelNet40

        官方下载地址：https://modelnet.cs.princeton.edu/

        GitHUb下载地址：https://github.com/datasets-mila/datasets--modelnet40

        项目的目标是为计算机视觉、计算机图形学、机器人技术和认知科学领域的研究人员提供服务具有全面、干净的对象3D CAD模型集合。ModelNet40包含40个不同类别，共计9843个模型，每个类别包含多个三维几何形状模型，包括桌子、椅子、车等。这些模型采用三维网格进行表示，且位于同一坐标系，以点云形式给出，既包含每个点的三维信息，也包含每个点的法向量信息。

2.KITTI

        官方下载地址：https://www.cvlibs.net/datasets/kitti/

        KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该数据集用于评测立体图像，光，视觉测距，3D物体检测和3D跟踪等计算机视觉技术在车载环境下的性能。KITTI包含市区、乡村和高速公路等场景采集的真实图像数据，每张图像中最多达15辆车和30个行人，还有各种程度的遮挡与截断。 3D目标检测数据集由7481个训练图像和7518个测试图像以及相应的点云数据组成，包括总共80256个标记对象。

        下图红色框标记的为需要的数据，分别是彩色图像数据（12GB）、点云数据（29GB）、相机矫正数据（16MB）、标签数据（5MB）。其中彩色图像数据、点云数据、相机矫正数据均包含training（7481）和testing（7518）两个部分，标签数据只有training数据。

3.NuScenes

        官方下载地址：https://www.nuscenes.org/nuscenes#download

        NuScenes 数据集是由 Motional（前身为 nuTonomy）团队开发的用于自动驾驶的公共大规模数据集。Motional 正在使无人驾驶汽车成为安全、可靠和可访问的现实。通过向公众发布数据子集，Motional 旨在支持对计算机视觉和自动驾驶的公共研究。数据集来源于波士顿和新加坡采集的1000个驾驶场景，每个场景选取20s长的视频，共计大概15h的驾驶数据，场景充分考虑多样化的驾驶操作、交通情况和意外情况等。

4.S3DIS

        官方下载地址：https://paperswithcode.com/dataset/s3dis

        S3DIS数据集是一个广泛应用于3D点云处理和计算机视觉研究领域的公开数据集，适用于各种点云分析任务，如语义分割、物体识别等。S3DIS数据集包含了大量的室内场景点云数据，每个点云数据都经过详细的标注，提供了丰富的语义信息。

5.ScanNet v2

        官方下载地址：ScanNet v2

        ScanNet 是一个 RGB-D 视频数据集，包含 1500 多次扫描中的 250 万个视图，并使用 3D 相机姿势、表面重建和实例级语义分割进行注释 。 ScanNet V2数据集一共1.2T 。RGB-D 传感器是一种特定类型的深度感应设备，与RGB（红色、绿色和蓝色）传感器相机配合使用。 它通过在每个像素的基础上使用深度信息（与传感器的距离相关）来增强传统图像，即RGBD = RGB + Depth Map。一共1513个采集场景数据（每个场景中点云数量都不一样，如果要用到端到端可能需要采样，使每一个场景的点都相同），共21个类别的对象，其中，1201个场景用于训练，312个场景用于测试 。

6.SUN RGB-D

        GitHub地址：SUN RGB-D

        SUN RGB-D 数据集是一个用于RGB-D（颜色和深度）视觉研究的大型数据集，包含多种日常场景的图像和深度数据。该数据集用于各种计算机视觉任务，如物体识别、场景理解和3D重建，其中包含来自不同传感器获取的图像，包括深度相机和RGB相机。