点云公开数据集:SemanticKITTI

已于 2024-05-05 21:15:55 修改
阅读量1.4k 收藏 4
点赞数
分类专栏： 点云 文章标签： 点云 公开数据集 SemanticKITTI
于 2021-11-09 14:16:31 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/u014311125/article/details/121227023
版权
SemanticKITTI是语义分割和目标检测的数据集，源自德国特里尔大学，扩展了KITTI数据集。它包含28个类别的标签，用于训练和测试自动驾驶系统。数据集分为训练和测试两部分，其中移动和非移动对象被区分开。点云数据、标定文件和标签文件可供下载，并提供可视化工具进行处理和分析。
摘要由CSDN通过智能技术生成

在这里插入图片描述

一、基本信息

SemanticKITTI是一个用于语义分割和目标检测的大规模自动驾驶数据集，旨在帮助研究人员开发和评估自动驾驶系统。该数据集由德国特里尔大学计算机视觉组创建，扩展自KITTI数据集，但增加了语义分割和目标检测标签。

二、数据格式介绍

2.1、trainning/test set

SemanticKITTI根据kitti的 odometry task提供的点云序列，对00-10序列的点云提供标签数据作为训练数据集使用，如下图所示
在这里插入图片描述

剩下的11-20序列的作为测试集，不提供测试集的标签，我们使用评估

了解本专栏 订阅专栏 解锁全文 超级会员免费看
GHZhao_GIS_RS
关注
专栏目录
订阅专栏
3D，点云公开数据集
Z's Palace
08-05 923
该数据集来自德国卡尔斯鲁厄理工学院的一个项目，其中包含了利用 KIT 的无人车平台采集的大量城市环境的点云数据集（KITTI），这个数据集不仅有雷达、图像、GPS、INS 的数据，而且有经过人工标记的分割跟踪结果，可以用来客观评价大范围三维建模和精细分类的效果和性能[^3]。该数据集包括两个子数据集，分别是 NYU-Depth V1 和 NYU-Depth V2，都是由来自各种室内场景的视频序列组成，这些视频序列由来自 Microsoft Kinect 的 RGB 和 Depth 摄像机记录[^3]。...
点云数据集合
01-31
点云数据模型样本，不同视角下的点云数据。包括一个正面，一个底面，两个侧面的大工件数据。
SemanticKITTI数据集：用于激光雷达序列语义场景理解的数据集
weixin_43823175的博客
12-17 7385
SemanticKITTI数据集：用于激光雷达序列语义场景理解的数据集 引言 在论文文中，作者引入了一个大数据集用于激光的语义分割的研究。标注了KITTI视觉里程计基准的所有数据，并为所使用的汽车激光雷达的完整360度视野提供了密集的逐点注释，基于该数据集，有三个三个基准任务： （i）使用单个扫描对点云进行语义分割， （ii）使用多个过去扫描进行语义分割 （iii）语义场景预测 同时，作者也提供了baseline 介绍introduce 语义场景理解对于许多应用程序来说是必不可少的，也是自动驾驶汽车不可或缺
点云数据集大全：解锁3D世界的钥匙
最新发布
gitblog_06511的博客
09-20 386
点云数据集大全：解锁3D世界的钥匙 点云数据集大全附官网地址和下载链接 项目地址: https://gitcode.com/Resource-Bundle-Collection/7355a ...
深度学习(12):SemanticKITTI论文翻译与学习
biter0088的博客
04-07 9108
SemanticKITTI论文是发表在CVPR 2019上的一篇在KITTI Vision Odometry Benchmark数据集上制作语义分割数据集SemanticKITTI的文章，为基于车载激光雷达语义分割提供了大量的数据；作者单位是德国波恩大学；这里是文章的翻译和部分学习笔记
【数据集（1）】无人驾驶数据库数据集汇总（不断更新）
Hali_Botebie的博客
03-21 1万+
20230221：增加表格：《nuScenes与其他数据集的对比》，稀少目标数据集ROD Rare object dataset。
semantic-kitti-api:用于可视化数据集、处理数据和评估结果的 SemanticKITTI API
08-04
语义KITTI的API 此存储库包含帮助程序脚本，用于打开、可视化、处理和评估来自 SemanticKITTI 数据集的点云和标签的结果。 链接到原始数据集 链接到。 链接到 SemanticKITTI 基准。 链接到 SemanticKITTI MOS 基准（在 SemanticKITTI 网站添加 MOS 后可能会删除）。 序列 13 中的 3D 点云示例： 序列 13 中的 2D 球面投影示例： 用于语义场景完成的体素化点云示例： 数据组织 数据按以下格式组织： /kitti/dataset/ └── sequences/ ├── 00/ │   ├── poses.txt │ ├── image_2/ │
SemanticKITTI 数据集（ICCV 2019）
77wpa的博客
03-08 1万+
SemanticKITTI 数据集1. 数据集简介 1. 数据集简介 文章标题 SemanticKITTI: A Dataset for Semantic Scene Understanding of LiDAR Sequences (2019) 文章链接 https://arxiv.org/pdf/1904.01416.pdf 数据集官网 http://www.semantic-kitti.org/dataset.html#overview 数据集开发工具包 http://www.sema
SemanticKitti数据集的使用
weixin_43807148的博客
04-20 1万+
简单介绍 SemanticKitti数据集是在Kitti数据集上进行语义分割等操作的结果，主要任务包括点云的语义预测等。 Kitti的点云里程计数据集一共有00-21这22个序列，每个序列都是一段录制的点云包。 SemanticKitti为所有点云包提供了里程计等信息，为00-10这些点云包提供了真值的标签，可以用来训练。 数据集下载 所有数据集直接可以在semantickitti数据集官网下载。 依次点击Dataset->Download即可看到下载链接。 三个连接均需要下载（占得空间很大，建议放在
超详细记录windows+Ubuntu跑通RandLaNet实验踩坑记录（数据集：Semantic_Kitti+Semantic 3D）
weixin_72056722的博客
10-25 2009
本篇文章记录了整个复现过程遇到的报错等问题，如果大家也遇到报错了不妨从文章中找一找，也许就能找到对应的解决办法。需要准备好semantic_kitti完整的数据集，将数据集中每个场景按下图进行布置。可以直接利用官网下载下来的数据集中data_odometry_labels这个文件夹，直接将其中的数据复制成一个新的文件夹即可。阅读，data_prepare_semantickitti.py脚本，更改对应的数据集路径、输出数据集路径运行，win系统一般会报错：原因是在utils/cpp_wrappers/cpp
#每天一篇论文 251/365 SemanticKITTI:一个LIDAR帧语义场景理解的数据集
流浪机器人的博客
10-22 3730
SemanticKITTI: A Dataset for Semantic Scene Understanding of LiDAR Sequences 摘要 语义场景理解对于各种应用都是非常重要的。特别是，自动驾驶汽车需要对其附近的表面和物体有细致的了解。光探测和测距（lidar）提供精确的环境几何信息，因此是几乎所有自动驾驶汽车传感器套件的一部分。尽管语义场景理解与此应用程序相关，但此任务缺乏...
34个点云公开数据集整理及工具使用
06-11
整理了点云数据的34个公开数据集网址，并归纳其对应的数据集内容和介绍
KITTI数据集介绍
09-21
该资源对自动驾驶行业的KITTI数据集进行详细介绍，对其中的灰度相机、彩色相机、imu数据指标进行介绍，辅助研究者进行分析研究。
PCD格式点云数据集
10-26
这是斯坦福的著名小兔子模型的点云数据（有ply和PCD格式），里面一共有6个模型。原数据下载地址http://www.cc.gatech.edu/projects/large_models/
3D点云语义分割公开数据集总结
zhaoguanhua的博客
11-09 2089
1、S3DIS 2、Semantic3D 3、KITTI 4、SensatUrban 5、Toronto-3D
【点云系列】综述： Deep Learning for 3D Point Clouds: A Survey
weixin_43882112的博客
12-03 5092
文章目录摘要简介：2 背景2.1 数据集2.2 衡量指标3 3D形状分类3.1基于多视角的方法3.2基于体素的方法3.3 基于点的方法3.3.1逐点MLP网络3.3.2基于卷积的网络3.3.3基于图的网络3.3.4基于数据索引的方法3.3.5其他方法小结4 3D物体检测与跟踪4.1 3D物体检测4.1.1 基于候选区域的方法4.1.2 single-shot方法4.2 3D对象跟踪4.3 3D场景流估计4.4 小结：5 3D点云分割5.1 3D 语义分割5.1.1 基于投影的方法5.1.2 基于离散的方法5
点云从入门到精通技术详解100篇-基于点云语义分割的电力线提取及聚类研究（中）
getusushu的博客
09-17 207
点赋予一个注意力分数，一般来说，与对应输入点关系越密切的临近点会得到越高的分。为此，提出了基于多重空间信息与双重自适应模块的点云语义分。和局部聚合特征注意力模块，通过这些模块的共同作用，该网络可以充分地学习点云场。发表的基准点云语义分割网络性能更强，同时具有更强的泛化能力，可以更精确地提取。之后，输入点与其相邻点的空间信息会被输入到每一个坐标系进行重新表示。目前的绝大部分点云语义分割网络集中在点云的图结构以及卷积核等研究上，对于。学习到的高维特征进行语义标签预测，最后为点云场景的点赋予预测标签。
点云从入门到精通技术详解100篇-基于点云语义分割的电力线提取及聚类研究
getusushu的博客
09-16 495
在现代社会，电力一直扮演着最重要的角色之一。它不仅与人民的生活息息相关，更是一个国家发展的命脉。近年来，随着我国各特高压输电线路建成（比如2022年1月份白鹤滩江苏特高压输电线路的放线）以及电网规模的不断扩大，我国年发电量稳步上升，人民的生活水平越来越高。我国土地辽阔，输电线路分布广泛，再加上地形环境复杂多样，电力线可能遭受风吹雨晒甚至是冰雪寒灾的影响。因此，为了保障电力线的可靠供电，防止停电意外发生，电力部门要定期对输电线路进行检查。目前我国主要。
3D点云综述
热门推荐
不忘初心~
01-02 3万+
24页3D点云综述，共计214篇参考文献，涵盖3D形状分类，3D目标检测和跟踪，3D点云分割方向和大数据集。
把镭神c16输出点云改成pcl::PointXYZI格式
06-01
好的，你可以按照以下步骤将镭神c16的输出点云转换成pcl::PointXYZI格式： 1. 在读取镭神c16点云数据的代码中，找到每个点的XYZ坐标和反射强度信息。 2. 将这些信息保存到pcl::PointXYZI格式的点云数据结构中。这个数据结构包含三个成员变量：x、y、z和intensity。你可以将镭神c16的XYZ坐标分别赋值给x、y和z，将反射强度信息赋值给intensity。 3. 将pcl::PointXYZI格式的点云数据保存到PCL文件中，或者进行其他操作。 下面是一个示例代码，可以将镭神c16的输出点云转换成pcl::PointXYZI格式： ```c++ // 定义一个pcl::PointCloud<pcl::PointXYZI>类型的点云数据结构 pcl::PointCloud<pcl::PointXYZI>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZI>); // 读取镭神c16点云数据 for (int i = 0; i < num_points; i++) { // 读取每个点的XYZ坐标和反射强度信息 float x, y, z, intensity; // ... // 将XYZ坐标和反射强度信息保存到pcl::PointXYZI格式的点云数据结构中 pcl::PointXYZI point; point.x = x; point.y = y; point.z = z; point.intensity = intensity; cloud->push_back(point); } // 将pcl::PointXYZI格式的点云数据保存到PCL文件中 pcl::io::savePCDFileBinary("output.pcd", *cloud); ``` 注意：在将镭神c16的输出点云转换成pcl::PointXYZI格式时，需要根据镭神c16的数据格式进行相应的处理。如果需要进一步的帮助，请告诉我。
评论
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

打赏作者

GHZhao_GIS_RS

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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