实车采集的数据重建场景_超详细的计算机视觉数据集汇总（自动驾驶、SLAM、三维重建、立体视觉、深度估计）...

本文首发于公众号【3D视觉工坊】，原文请见超全的3D视觉数据集汇总

欢迎加入国内最大的3D视觉交流社区，1700+的领域从业者正在共同进步~

1、KITTI数据集

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(stereo)，光流(optical flow)，视觉测距(visual odometry)，3D物体检测(object detection)和3D跟踪(tracking)、语义分割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。整个数据集由389对立体图像和光流图，39.2 km视觉测距序列以及超过200k 3D标注物体的图像组成。

2、Cityscapes

Cityscapes是一个较为新的大规模数据集，它包含50个不同城市的街道场景中记录的各种立体视频序列，除了一组较大的20 000弱注释帧外，还具有5 000帧的高质量像素级注释。因此，数据集比以前的类似尝试要大一个数量级。Cityscapes数据集旨在评价视觉算法在城市场景语义理解中的性能：像素级、实例级和全景语义标注；支持旨在开发大量(弱)注释数据的研究，例如用于训练深层神经网络包含城市场景下双目图像及像素级语义分割标注。

3、牛津数据集

对牛津的一部分连续的道路进行了上百次数据采集，收集到了多种