三维重建公开数据集整理（MVS篇）

已于 2022-03-24 21:18:18 修改
阅读量1.8w 收藏 204
点赞数 39
分类专栏： 三维重建 重建我的3D世界【代码开源】 文章标签： 三维重建 人工智能 数据集
于 2022-03-22 23:41:03 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/rs_lys/article/details/123674304
版权
本文整理了多个用于三维重建的MVS数据集，包括来自知名公司的Pix4d、Aigsoft，开源项目Colmap、OpenMVG，以及学术机构如港科大、丹麦技术大学和日本东北大学等提供的数据集。涵盖了无人机航拍、文物保护、小物体重建等多种场景，为研究者和开发者提供了丰富的资源。
摘要由CSDN通过智能技术生成

三维重建公开数据集整理（MVS篇），不定期更新。
同步到Github仓库：https://github.com/ethan-li-coding/Datasets-of-MVS-reconstruction

数据集都有自己的版权，发表论文请留意数据提供商是否需要引用，商用请留意版权协议。

文章目录

固定翼无人机数据集 https://www.sensefly.com/education/datasets/

轻型固定翼无人机公司sensefly公开的数据集，有RGB、多光谱、热红外。
在这里插入图片描述

著名的摄影测量公司Pix4d的公开数据集 https://cloud.pix4d.com/demo

在这里插入图片描述

著名的摄影测量公司Aigsoft的公开数据集 https://www.agisoft.com/downloads/sample-data/

在这里插入图片描述

著名的开源项目Colmap所公开的数据集 http://colmap.github.io/datasets.html

在这里插入图片描述

著名的开源库OpenMVG所提供的的公开数据集 https://github.com/openMVG/Image_datasets

在这里插入图片描述

瑞士的一家生产固定翼测绘无人机的公司公开的数据集 https://wingtra.com/mapping-drone-wingtraone/aerial-map-types/

在这里插入图片描述

著名的Arcgis公司公开的数据集 https://doc.arcgis.com/en/drone2map/get-started/sample-data.htm

其中36张的Building数据很经典
在这里插入图片描述

港科大开源的大量数据集，有建筑、雕塑、近景等各类数据 https://github.com/YoYo000/BlendedMVS

在这里插入图片描述
(图片来自https://github.com/kwea123/BlendedMVS_scenes)

一个旨在文物保护的公开数据集，比较冷门 https://openheritage3d.org/data

里面有RGB和Lidar数据，有很多项目是提供RGB彩色数据的，但是大多是数码相机拍摄，没有GPS或者RTK
在这里插入图片描述

丹麦技术大学Technical University of Denmark提供的公开数据集 https://roboimagedata.compute.dtu.dk/?page_id=36

难能可贵的是他们还提供结构光扫描数据作为真值，还有不同的光线变化，作为小物体MVS重建是很不错的数据集
在这里插入图片描述

日本东北大学Tohoku University提供的公开数据集 http://www.aoki.ecei.tohoku.ac.jp/mvs/

同样是小物体重建，只有两个，拍摄的猫和狗的模型，同时提供了真值
在这里插入图片描述

李迎松~
关注
专栏目录
卫星影像三维重建数据集-MVS3DM数据集中8个地点的裁剪影像与对应真值-用于算法实验
02-21
主要用于多视角卫星影像的三维重建算法，资源共9个文件，其中8个文件分别对应八个压缩文件包，代表每个区域的影像，每个压缩包里对应着多视角卫星影像和RPC文本文件，第九个文件为机载激光雷达产生的真值影像文件,本数据为s2p算法的主要实验数据。数据整体情况：数据量整体较小，但覆盖的类型全，如低矮建筑，中高层建筑，高层建筑等，对卫星三维重建的鲁棒性要求较高，因此是做卫星三维重建的不二选择，目前很多相关论文都拿此进行实验和算法调整优化。
【卫星三维重建】卫星影像三维重建数据集-MVS3DM数据集介绍
weixin_44702962的博客
02-20 1451
卫星三维重建数据集-MVS3DM数据集介绍
mmMesh：毫米波雷达驱动的实时3D动态人体网格构建
最新发布
gitblog_00143的博客
09-15 332
mmMesh：毫米波雷达驱动的实时3D动态人体网格构建 mmMesh 项目地址: https://gitcode.com/gh_mirrors/mm/mmMesh 项目介绍...
三维重建数据集记录
m0_47488011的博客
09-15 2628
记录一下自己在学习三维重建过程中用过的数据集
图像三维重建有关的几个好的网站
sfcyyc的专栏
09-07 2189
图像三维重建有关的几个好的网站：http://www.cadcaecam.com/forum/frame.php?frameon=yes&referer=http%3A//www.cadcaecam.com/forum/http://www.vtk.org/http://www.slicer.org/http://www.itk.org/
三维重建数据集
dahei_zy的博客
02-25 845
数据集汇总(ing)
三维重建数据--巴黎圣母院
Eminbogen的博客
04-17 1215
SLAM和点云方向的小伙伴不做一下吗？ 来源于BigSFM数据网站 链接: https://pan.baidu.com/s/1s5t5GiTUMUgp8qXppN1uNA 提取码: 5xxx
SFM三维重建数据集
热门推荐
baidu_40840693的博客
06-19 1万+
http://www.maths.lth.se/matematiklth/personal/calle/dataset/dataset.html https://github.com/AIBluefisher/ComputerVisionDatasets ‘ # Datasets for 3D Reconstruction (SfM & MVS) ## 1. Intern...
【项目实战】三维重建：基于RGB-D数据集的TSDF算法
shinuone的博客
05-30 7479
从理论到实战：详细介绍三维重建的基础知识 + TSDF算法原理 + 基于深度图的项目实战
ScanNet数据集 - 三维重建
qq_44093630的博客
10-09 570
1、import urllib.request (for python3)我在python3中仍然会报找不到request，于是我conda了一个新的环境，配的是python2.7就Ok了。直接点击链接是会请求失败的，这里我是傻逼了，直接复制整个链接就OK了。2、下载数据时，在终端下载的压缩包是错误的，先记录一下遇到的问题。
清华学堂 – 三维重建数据集.7z
07-13
清华学堂数据集基于 Riegl-LMS-Z420i 型激光扫描仪获取的建筑物真值数据，以及图像数据的三维重建数据集。其中激光扫描仪 50 米内精度为 10mm，扫描角度见各位 0.0057°，其包含激光真值数据、图像数据和摄像机投影矩阵。 该数据集由中科院自动化研究所提供，主要用于研究者为相关结果进行定量评价。
利用C PCL库对KITTI数据集进行三维重建
04-28
利用C PCL库对KITTI数据集进行三维重建
点云数据-三维重建
03-16
包含三款点云数据，有经典的兔子和多边形模型数据，还有鼠标点云数据，格式多样化，适合初学者测试代码使用！喜欢的拿走！
三维重建数据集(俯视视角)
06-03
【三维重建数据集(俯视视角)】 三维重建是一种计算机视觉技术，旨在通过二维图像或多个视角的图像恢复出三维物体或场景的几何结构。在本数据集中，我们聚焦于俯视视角下的三维重建，这在诸多应用领域，如地理信息...
传统三维重建和深度学习三维重建 MVS笔记总结、问题总结
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
09-02 1501
基于体素的方法[3]、[4]、[5]、[6]、[7]、[8]、，[9]要求知道包含场景的边界框，其精度受体素网格分辨率的限制。基于可变形多边形网格的算法[10]，[11]，[12]需要一个良好的起点，例如视觉外壳模型[13]，以初始化相应的优化过程，这限制了它们的适用性。所提出的方法与[32]中的方法之间的主要区别在于，平面在[32]中定义在图像坐标中，但在我们的工作中定义在相机坐标中，因为立体对在我们的论文中没有校正。多视点立体重建是基于图像的三维图像采集中的一个关键步骤，近年来受到越来越多的关注。
【三维重建】【深度学习】【数据集】基于COLMAP制作自己的NeuS(DTU格式)数据集
weixin_43041894的博客
02-11 2102
DTU格式是NeuS网络模型训练使用的数据集格式之一，本文基于COLMAP软件展示从DTU格式数据集的制作到开始模型训练的完整流程。NeuS通过输入同一场景不同视角下的二维图片和相机位姿，对场景进行三维隐式建模，使用一种新的一阶近似无偏差的公式，从而即使没有掩模监督，也能进行更精确的表面重建。
三维重建和VSLAM相关的公开数据集大全
半不闲居士的博客
03-04 1469
测试一个SLAM的算法性能，需要测试SLAM算法定位精度、时间开销，内存开销等等。而时间开销和内存开销一般比较好操作，但是定位精度一般很难评估，因为你需要真实轨迹，但是这个很难获取，需要一些比较昂贵的设备，因此，一些实验室专门做了公开数据集和评估工具，可以通过这些公开数据集和评估工具对比一些论文上的数据来评估自己改进的SLAM的性能优劣。 评估工具 Trajectory Evaluation with Alignment [Paper], [Code] Python package for the eva
深度学习三维重建 MVS
09-04
对于深度学习三维重建（Multi-View Stereo，MVS），最常用的方法之一是使用卷积神经网络（Convolutional Neural Networks，CNN）进行处理。MVS 是通过从多个视角的图像中恢复场景的三维几何形状。下面是一个使用深度学习进行 MVS 的基本步骤： 1. 数据准备：收集多个视角的图像，并估计它们之间的相机姿态。通常会使用结构光或者多视角立体摄影机等硬件设备来获取这些信息。 2. 特征提取：对每个图像进行特征提取，例如使用卷积神经网络（CNN）提取图像的特征表示。常用的网络架构包括 VGG、ResNet、或者用于图像配准的特定架构。 3. 匹配：在每个视角中，将图像特征与其他视角中的特征进行匹配，以找到对应的特征点。这可以通过计算特征之间的相似度，例如使用光流法或者局部特征描述子。 4. 深度估计：使用匹配的图像特征来估计每个像素点的深度值。这可以通过训练一个深度估计网络，将图像中每个像素处的特征输入网络，预测其深度值。 5. 高级优化：对估计的深度图进行后处理和优化，以提高重建结果的精度和稳定性。这可以包括平滑滤波、边缘保持、去除噪声等技术。 总体而言，深度学习在MVS中的应用可以显著提高重建的精度和效率，但也需要大量的训练数据和计算资源来实现。在实际应用中，还需要考虑场景复杂性、纹理信息和光照变化等因素，以获取更准确的三维重建结果。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值