有关3D点云数据集的总结

1. https://blog.csdn.net/m0_38087936/article/details/89246023  本链接为这位博主整理的3D点云相关的数据集，较为全面

https://blog.csdn.net/MRZHUGH/article/details/109370388 各种数据集及其连接

 

2. 论文Edge-Convolution Point Net for Semantic Segmentation of Large-Scale Point Clouds中提及的三种点云数据

     （1）3D Forest: https://www.3dforest.eu/，包括一棵棵单独的树以及枯木等。

     （2）大规模点云Large-scale point cloud classification benchmark：http://www.semantic3d.net/    包含30个标记的城市场景和超过30亿个点，点云中的所有点都有RGB值和XYZ坐标，包括人造地形、自然地形、高植被、低植被、建筑、硬景观、扫描文物和汽车。数据量较大，每个单独的点云都是千万级别的点量。

     （3）Oakland dataset （奥克兰）：包括来自城市区域的场景，这些场景带有立面、地面、植被、电线和电杆等。数据是在宾夕法尼亚州匹兹堡奥克兰市芝加哥大学校园附近收集的，数据采集使用Navlab11，配备侧视SICK LMS激光扫描仪，用于推扫。 其中包含了完整数据集、测试集、训练集和验证集。下载下来的数据有 .wrl 格式的，可用meshlab打开。 http://www.cs.cmu.edu/~vmr/datasets/oakland_3d/cvpr09/doc/

 

3.论文A Novel Point Cloud Compression Algorithm Based on Clustering中使用的数据：

      （1） The KITTI dataset：它由几个特定的场景组成，如道路、城市、住宅和校园场景。数据是结构化的，可以转换为距离图像。（文献：A. Geiger et al., “Vision meets robotics: The KITTI dataset,” Int. J. Robot. Res., vol. 32, no. 11, pp. 1231–1237, 2013.）

 

4. 微软Microsoft数据集：人物上半身，稠密的肖像点云。（文献：C. Loop, Q. Cai, S. O. Escolano, and P. A. Chou, Microsoft Voxelized Upper Bodies—A Voxelized Point Cloud Dataset, document m38673/M72012, ISO/IEC JTC1/SC29 Joint WG11/WG1(MPEG/JPEG), Geneva, Switzerland, May 2016.）

5. 8i公司的数据集：人物全身，稠密的肖像点云。（文献E. d’Eon, B. Harrison, T. Myers, and P. A. Chou, 8i Voxelized Full Bodies—A Voxelized Point Cloud Dataset, document WG11M40059/WG1M74006, ISO/IEC JTC1/SC29 Joint WG11/WG1 (MPEG/JPEG), Geneva, Switzerland, Jan. 2017.）

数据链接：https://mpeg-pcc.org/index.php/pcc-content-database/8i-voxelized-surface-light-field-8ivslf-dataset/ 以及这个数据集的介绍

6. 大规模稀疏点云：（3D Point Cloud Dataset for MPEG-PCC. Accessed: Dec. 20, 2019. [Online]. Available: http://mpegfs.int-evry.fr/MPEG/PCC/DataSets/ pointCloud/CfP/datasets/）

7.其他点云库：这里是PCL的一些点云https://sourceforge.net/projects/pointclouds/files/PCD%20datasets/

8、佐治亚理工学院的大型几何模型档案馆： https://www.cc.gatech.edu/projects/large_models/index.html

 

9.The Stanford 3D Scanning Repository：http://graphics.stanford.edu/data/3Dscanrep/

10、http://vision.deis.unibo.it/keypoints3d/?page_id=2