三维点云数据集

本文是来自四季豆豆的CSDN的博客，主要是介绍各种数据集。如有补充请大家积极留言，并且希望大家能够在阅读论文或者有推荐的论文或者开源代码，只要和点云相关，都可以留言给群主，如果有必要将会出与你推荐相关的资料。希望大家能够积极参与分享。

1

The Stanford 3D Scanning Repository（斯坦福大学的3 d扫描存储库）

链接：http://graphics.stanford.edu/data/3Dscanrep/

这应该是做点云数据最初大家用最多的数据集，其中包含最开始做配准的Bunny、Happy Buddha、Dragon等模型。

2

Sydney Urban Objects Dataset（悉尼城市目标数据集）

链接：http://www.acfr.usyd.edu.au/papers/SydneyUrbanObjectsDataset.shtml

这个数据集包含用Velodyne HDL-64E LIDAR扫描的各种常见城市道路对象，收集于澳大利亚悉尼CBD。含有631个单独的扫描物体，包括车辆、行人、广告标志和树木等。可以用来测试匹配和分类算法。

3

ASL Datasets Repository

链接：https://projects.asl.ethz.ch/datasets/doku.php?id=home

这个数据集包含的数据比较多类，由Automonous Systems Lab提供的数据，一般数据集都有对应发表的论文成果。下边只列出一些下载过，用过的。

（1）IORS2018：目标检测和匹配

（2）IJRR2012：测试点云配准算法

（3）ISER2016：可用作点云配准（有源码）

源码链接：https://github.com/ethz-asl/robust_point_cloud_registration

4

Large-Scale Point Cloud Classification Benchmark（大规模点云分类基准）

链接：http://www.semantic3d.net/

这个数据库是做大规模点云分类的，提供了一个大的自然场景标记的3D点云数据集，总计超过40亿点。涵盖了各种各样的城市场景：教堂、街道、铁路轨道、广场、村庄、足球场、城堡等等。

5

RGB-D Object Dataset（RGB-D对象数据集）

链接：http://rgbd-dataset.cs.washington.edu/index.html

RGB-D对象数据集是300个常见的家庭对象的大数据集。该数据集是使用Kinect风格的3D相机记录的，该相机以30Hz记录同步和对齐的640x480RGB和深度图像。对于每个物体，有3个视频序列，每个视频序列用安装在不同高度的照相机记录，以便从与地平线的不同角度观察物体。除了300个对象的孤立视图之外，RGB-D对象数据集还包括22个带有注释的自然场景视频序列，其中包含来自数据集的对象。这些场景覆盖了常见的室内环境，包括办公室工作区、会议室和厨房区域。

6

NYU-Depth（纽约大学深度数据集）

链接：https://cs.nyu.edu/~silberman/datasets/

这个数据集应该也是大家比较熟悉的，包括NYU-Depth V1数据集和NYU-Depth V2数据集，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。

NYU-Depth V1数据集包含有64种不同的室内场景、7种场景类型、108617无标记帧和2347密集标记帧以及1000多种标记类型。

NYU-Depth V2数据集包含了1449个密集标记的对齐RGB和深度图像对、来自3个城市的464个新场景，以及407024个新的无标记帧。

7

IQmulus & TerraMobilita Contest

链接：http://data.ign.fr/benchmarks/UrbanAnalysis/#

该数据库包含来自巴黎（法国）密集城市环境的3DMLS数据，由3亿点组成。在该数据库中，对整个3D点云进行分割和分类，即每个点包含一个标签和一个类。因此，对检测-分割-分类方法进行逐点评估成为可能。 这个数据库是在iQmulus和TerraMobilita项目的框架内产生的。它被法国国家制图局（IGN）开发的MLS系统“ Stereopolis II”收购。注释将由IGN的MATIS实验室手动辅助进行。

8

Oakland 3-D Point Cloud Dataset（奥克兰 ）

链接：http://www.cs.cmu.edu/~vmr/datasets/oakland_3d/cvpr09/doc/

这个数据库的采集地点是在美国卡耐基梅隆大学周围，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。

9

The KITTI Vision Benchmark Suite

链接：http://www.cvlibs.net/datasets/kitti/

这个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，可以用来客观的评价大范围三维建模和精细分类的效果和性能。

其中，该团队还介绍了一些相关的数据集，可以参考：

10

Robotic 3D Scan Repository

链接：http://kos.informatik.uni-osnabrueck.de/3Dscans/

这个数据集比较适合做SLAM研究，包含了大量的Riegl和Velodyne雷达数据。

以上就是文章的全部内容了，文章中涉及的资料，希望有兴趣的小伙伴可以将文章整理上传至我们的github组群中，与我们一起阅读！还未加入组群的小伙伴可以在文章末尾留下github邮箱，邀请进组群与我一起管理并分享。