数据集汇总

数据汇总

1、点云分类和分割

1、Princeton ModelNet

包含数据集modelnet10、modelnet40：airplane、car、door、desk、guitar等。

2、shapenet

ShpaeNet是点云中一个比较常见的数据集，它能够完成部件分割任务，它总共包括十六个大的类别。

包含数据集：

ShapeNetCore：ShapeNet数据集的一个子集，干净的3D模型，经过手动验证的分类和注释标签。它涵盖55个常见对象类别，约51300个独特的3D模型。
ShapeNetSem：一个更小、注释更密集的子集，由12000个模型组成，分布在更广泛的270个类别中。除了手动验证的类别标签和一致的对齐方式外，这些模型还使用真实世界的尺寸标注、类别级别的材料成分估计值以及总体积和重量估计值进行注释。

3、PartNet

包含： 桌子、椅子、床、耳机、电脑等

4、S3DIS

包含:会议室、个人办公室、礼堂、休息室、开放空间、大厅、楼梯、走廊

5、Semantic3D

一个大型标记的3D点云数据集，其中包含自然场景，总共超过40亿个点。它还涵盖了一系列不同的城市场景：教堂，街道，铁轨，广场，村庄，足球场，城堡等，静态扫描得到。

semantic-8：具有8个类标签的分类基准，即{1：人造地形，2：自然地形，3：高植被，4：低植被，5：建筑物，6：硬景观，7：扫描文物，8：汽车}。附加标签 {0：未标记的点}

reduceed-8：缩减版。

6、WHU-TLS/MLS

包含数据集：

• WHU-TLS：地铁站、高铁站、山地、公园、校园、住宅、河岸、文化遗产建筑、地下矿道、隧道等
• WHU-MLS：地面特征，动态目标，植被，杆状地物及其附属结构，建筑和结构设以及其他公共便利设施等6大类30余小类地物要素.

2、点云配准

2.1、 The Stanford 3D Scanning Repository

包含兔子、龙、马、各类雕像等。

2.2、ASL Datasets Repository

激光扫描仪收集的公寓、楼梯、山地平原、亭子、等数据。

3、机载点云数据集

3.1、德国Vaihingen数据集

国际摄影测量与遥感协会（ISPRS）提供的德国Vaihingen小镇3D语义标签数据集，包括机载LiDAR扫描点云和多光谱航空影像。

包含数据集：Potsdam、Toronto、Vaihingen。

3.2、DublinCity

都柏林大学学院（UCD）的城市建模小组通过ALS设备扫描了都柏林市中心的主要区域（即约5.6公里，包括部分覆盖的区域），该设备于2015年由直升机搭载并开展扫描。然而，实际的聚焦区域约为2 km^2，其中包含最密集的LiDAR点云和影像数据集。建筑类型包括办公室、商店、图书馆和住宅。这些建筑采用独立式、半独立式和阶梯式房屋的形式，包含从17世纪的红色建筑到21世纪的乔治码头建筑群。

3.3、RoofN3D

美国地质调查局 (USGS) 提供纽约的机载 LiDAR 点云，主要用于建筑物重建（深度学习）。共包含了118074个建筑物点云数据，被标记为三种屋顶类型分别是双坡型、四角攒尖型和四坡型。

GitHub - sarthakTUM/roofn3d: Roof Classification, Segmentation, and Damage Completion using 3D Point Clouds

isprs-archives-XLII-2-1191-2018.pdf (copernicus.org)

是为了将输入的屋顶点云分为三类 鞍形屋顶、棱锥屋顶和双侧坡屋顶而训练的网络；

3.4、DALES

代顿注释LiDAR地球扫描（Dayton Annotated LiDAR Earth Scan, DALES）数据集，这是一个大规模航空LiDAR数据集，其中包含超过5亿个手动标记点，跨越10平方公里的面积和八个对象类别。

包含数据集：

DALES ：包含语义分割标签的原始数据集。
DALESObjects ：包含语义标签、实例标签和强度数据的第二个版本。
数据内容： 数据集预分为29个训练文件和11个测试文件，分为以下几类：地面（1）、植被（2）、汽车（3）、卡车（4）、电力线（5）、围栏（6）、电线杆（7）和建筑物（8）。

4、航空摄影点云

4.1、Urban3D

使用无人机获取的 地面、植被、建筑物、墙体、桥梁、停车场、铁路、交通道路、街道设施、汽车、人行道、自行车、水等。

下载数据：train - Google 云端硬盘

十几个类别，可以根据class筛选出building数据形成ply点云。再将建筑物分割成单个物体。