当前位置：首页 > news >正文

开源点云数据集整理汇总

news 文章来源：https://blog.csdn.net/qq_36686437/article/details/131593385 2025/5/22 18:32:40

一、ModelNet40
- 1. 网址
- 2. 模型
二、ShapeNet
- 1. 网址
- 2. 模型
三、S3DIS Dataset
- 1. 网址
- 2. 模型
四、ScanNet
- 1. 网址
- 2. 模型
五、RGB-D Object Dataset
- 1. 网址
- 2. 模型
六、 NYU Depth Dataset V2 （纽约大学深度数据集）
- 1. 网址
- 2. 模型
七、 The Stanford 3D Scanning Repository
- 1. 网址
- 2. 模型
八、悉尼城市目标数据集
- 1. 网址
- 2. 模型
九、ASL 数据集
- 1. 网址
- 2. 模型
十、大规模点云分类基准
- 1. 网址
- 2. 模型
十一、Oakland 3-D Point Cloud Dataset
- 1. 网址
- 2. 模型
十二、The KITTI Vision Benchmark Suite
- 1. 网址
- 2. 模型
十三、Robotic 3D Scan Repository
- 1. 网址
- 2. 模型
十四、WHU-TLS点云数据集
- 1. 网址
- 2. 模型
十五、Paris-rue-Madame数据集
- 1. 网址
- 2. 模型
十六、District of Columbia数据集
- 1. 网址
- 2. 模型
十七、Paris-Lille-3D数据集
- 1. 网址
- 2. 模型
十八、DublinCity数据集
- 1. 网址
- 2. 模型
十九、PCL官方测试数据集
- 1. 网址
- 2. 模型
二十、激光雷达数据源
- 1. Open Topography
- 2. USGS Earth Explorer
- 3. United States Interagency Elevation Inventory + Wikipedia LiDAR
- 4. NOAA Digital Coast
- 5. LIDAR Online
- 6. National Ecological Observatory Network
相关链接

一、ModelNet40

1. 网址

https://modelnet.cs.princeton.edu/#

2. 模型

没有颜色信息的飞机、杯子、椅子、吉他等40个模型。

在这里插入图片描述

二、ShapeNet

1. 网址

http://web.stanford.edu/~ericyi/project_page/part_annotation/index.html

2. 模型

没有颜色但有法向量且带有标注信息的飞机、杯子、帽子等16个类别的模型。

在这里插入图片描述

三、S3DIS Dataset

1. 网址

http://buildingparser.stanford.edu/dataset.html

2. 模型

室内分割数据集，模型为每个房间共计271个，房间内有13类物体。

在这里插入图片描述

四、ScanNet

1. 网址

http://www.scan-net.org/

2. 模型

1、网格数据（.ply）
2、 RGB-D传感器留流数据（.sens）
3、 2D标注数据

在这里插入图片描述

五、RGB-D Object Dataset

1. 网址

http://rgbd-dataset.cs.washington.edu/

2. 模型

RGB-D对象数据集是一个包含300个常见家用对象的大型数据集。这些对象被组织成51个类别，使用WordNet上位词-下位词关系排列(类似于ImageNet)。该数据集是使用Kinect风格的3D相机记录的，该相机以30 Hz记录同步和对齐的640x480 RGB和深度图像。每个物体被放在一个转盘上，在一次完整的旋转中拍摄视频序列。对于每个物体，有3个视频序列，每个序列都是用安装在不同高度的摄像机记录的，以便从地平线的不同角度观察物体。

在这里插入图片描述

六、 NYU Depth Dataset V2 （纽约大学深度数据集）

1. 网址

https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html

2. 模型

在这里插入图片描述

七、 The Stanford 3D Scanning Repository

1. 网址

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

2. 模型

包括：兔子、马、龙、菩萨等。

在这里插入图片描述

八、悉尼城市目标数据集

1. 网址

https://www.acfr.usyd.edu.au/papers/SydneyUrbanObjectsDataset.shtml

2. 模型

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。

在这里插入图片描述

九、ASL 数据集

1. 网址

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

2. 模型

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。

在这里插入图片描述

十、大规模点云分类基准

1. 网址

http://www.semantic3d.net/

2. 模型

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。

在这里插入图片描述

十一、Oakland 3-D Point Cloud Dataset

1. 网址

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

2. 模型

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。

在这里插入图片描述

十二、The KITTI Vision Benchmark Suite

1. 网址

https://www.cvlibs.net/datasets/kitti/

2. 模型

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。

在这里插入图片描述

十三、Robotic 3D Scan Repository

1. 网址

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

2. 模型

该存储库提供:

来自机器人实验的3D点云
机器人运行的日志文件
机器人社区的标准3D数据集

在这里插入图片描述

十四、WHU-TLS点云数据集

1. 网址

https://3s.whu.edu.cn/ybs/en/benchmark.htm

2. 模型

WHU-TLS基准数据集涵盖了地铁站、高铁站、山地、森林、公园、校园、住宅、河岸、文化遗产建筑、地下矿道、隧道等11种不同的环境，共包含115个测站、17.4亿个三维点以及点云之间的真实转换矩阵。

在这里插入图片描述

十五、Paris-rue-Madame数据集

1. 网址

https://people.cmm.minesparis.psl.eu/users/serna/rueMadameDataset.html

2. 模型

Paris-rue-Madame数据集包是由三维移动激光扫描仪收集得到。数据收集于法国巴黎第六区的一个街道rue Madame，试验区包含从rue Mézières至rue Vaugirard的160米长的街道；数据获取时间为2013年2于8日13:30。
这个数据集是在TerraMobilita项目的框架下开发的。它是由位于法国普里斯帕里斯蒂奇矿山的机器人实验室（CAOR）的LARA2-3D三维激光扫描仪获得的。数据标注是由法国枫丹白露矿业中心（MINES ParisTech）的数学形态学中心（CMM）以人工辅助的方式进行的。
数据集包含两个ply文件，每个ply文件包含有1000万个点。每个文件包含一个点列表（x, y, z, reflective, label, class），其中x, y, z对应于Lambert 93和altitude IGN1969（grid RAF09）参考坐标系中的地理参考坐标（E, N, U），reflective是激光强度，label是分割后获得的对象标签，class是对象类别。

在这里插入图片描述

十六、District of Columbia数据集

1. 网址

https://registry.opendata.aws/dc-lidar-2015/

2. 模型

该数据集由首席技术官办公室（OCTO）通过哥伦比亚特区地理信息系统计划管理，包含整个特区的平铺点云数据以及相关元数据。点云中的每个点都已根据以下模式进行了分类。
Class 1: Processed, but unclassified
Class 2: Bare earth
Class 7: Low noise
Class 9: Water
Class 10: Ignored ground
Class 11: Withheld
Class 17: Bridge decks
Class 18: High noise

十七、Paris-Lille-3D数据集

1. 网址

https://npm3d.fr/paris-lille-3d

2. 模型

Paris-Lille-3D是点云分类的数据集和基准。这些数据是由法国两个不同城市(巴黎和里尔)的移动激光系统(MLS)产生的。该点云已经完全由50个不同的类别手工标记，以帮助自动点云分割和分类算法的研究社区。

在这里插入图片描述

十八、DublinCity数据集

1. 网址

https://v-sense.scss.tcd.ie/DublinCity/

2. 模型

都柏林大学学院(UCD)的城市建模小组在2015年通过直升机执行的ALS设备扫描了都柏林市中心的主要区域(即大约 $5.6 km^2$ ，包括部分覆盖区域)。然而，实际关注的区域大约是 $2 km^2$ ，其中包含最密集的激光雷达点云和影像数据集。飞行高度大部分在300米左右，全程在41条跑道上进行。

在这里插入图片描述

十九、PCL官方测试数据集

1. 网址

https://github.com/PointCloudLibrary/data

2. 模型

包括二维、三维点云，配准、分割、滤波、建模等数据。

在这里插入图片描述

二十、激光雷达数据源

1. Open Topography

http://www.opentopography.org

2. USGS Earth Explorer

http://earthexplorer.usgs.gov

3. United States Interagency Elevation Inventory + Wikipedia LiDAR

https://en.wikipedia.org/wiki/National_Lidar_Dataset_(United_States)

4. NOAA Digital Coast

https://coast.noaa.gov/digitalcoast/tools/

5. LIDAR Online

https://www.lidar-online.com/

6. National Ecological Observatory Network

http://www.neonscience.org/data-resources

未完待续。。。

目录

一、ModelNet40

1. 网址

2. 模型

二、ShapeNet

1. 网址

2. 模型

三、S3DIS Dataset

1. 网址

2. 模型

四、ScanNet

1. 网址

2. 模型

五、RGB-D Object Dataset

1. 网址

2. 模型

六、 NYU Depth Dataset V2 （纽约大学深度数据集）

1. 网址

2. 模型

七、 The Stanford 3D Scanning Repository

1. 网址

2. 模型

八、悉尼城市目标数据集

1. 网址

2. 模型

九、ASL 数据集

1. 网址

2. 模型

十、大规模点云分类基准

1. 网址

2. 模型

十一、Oakland 3-D Point Cloud Dataset

1. 网址

2. 模型

十二、The KITTI Vision Benchmark Suite

1. 网址

2. 模型

十三、Robotic 3D Scan Repository

1. 网址

2. 模型

十四、WHU-TLS点云数据集

1. 网址

2. 模型

十五、Paris-rue-Madame数据集

1. 网址

2. 模型

十六、District of Columbia数据集

1. 网址

2. 模型

十七、Paris-Lille-3D数据集

1. 网址

2. 模型

十八、DublinCity数据集

1. 网址

2. 模型

十九、PCL官方测试数据集

1. 网址

2. 模型

二十、激光雷达数据源

1. Open Topography

2. USGS Earth Explorer

3. United States Interagency Elevation Inventory + Wikipedia LiDAR

4. NOAA Digital Coast

5. LIDAR Online

6. National Ecological Observatory Network

相关链接

相关文章：