常见点云格式数据集合集
作者:Graviti
发布于 5/11/2021

点云(Point Cloud)是三维空间内点的集合。这些向量通常以X,Y,Z三维坐标的形式表示,而且一般主要用来代表一个物体的外表面形状。不仅如此,除(X,Y,Z)代表的几何位置信息之外,点云数据还可以包含一个点的RGB颜色,灰度值,深度,分割结果等。作为3D扫描的结果,点云数据有多方面的用途,包括质量检查,多元化视觉,卡通制作,三维制图和大众传播工具应用等创建3D CAD模型等。

为什么3D点云数据在自动驾驶领域需求越来越大?首先,随着3D采集技术的飞速发展,3D传感器越来越物美价廉,自动驾驶汽车所搭载的传感系统已包含了各种各样的3D扫描仪来感知周围的环境;其次,3D数据能够提供更多的维度信息;最后,深度学习技术可以处理无序的3D数据的方法越来越多,近来,点云上的深度学习更加蓬勃发展,点云数据在深度学习领域有着更加广阔的使用前景和空间。

深度学习作为人工智能领域的主要技术,已经成功用于解决各种二维视觉问题,然而,越来越多的三维问题亟待解决,点云数据越来越多的受到重视。然而,点云上的深度学习仍旧处在起步阶段,按照数据格式搜索数据集也比较困难。在此向大家推荐免费高速下载网上公开数据集的网站Graviti。https://gas.graviti.cn/open-datasets不光可以搜索到海量公开数据集,还可以根据数据格式对数据集进行检索,可以高效的搜索到点云格式的数据集。下面将对一些常见的点云数据集进行介绍并附高速下载地址。

1.数据集名称:nuScenes

数据集预览:

数据集简介:

nuScenes数据集是一个带有3d框标注的大型自动驾驶数据集。它的特点:

●全传感器套件(一个激光雷达,5个毫米波雷达,6个摄像头,IMU, GPS)

●140万摄像机图像,390,000个激光雷达扫描

●两个不同的城市:波士顿和新加坡(左对右交通)

●详细地图信息

●为23个对象类手动标注1.4M 3D框

●属性,如可见性,活动和姿势

新增:1.1B激光雷达点手动注释32类

●免费用于非商业用途

数据集高速下载地址:https://gas.graviti.cn/dataset/motional/nuScenes

2.数据集名称:KITTI-object

数据集预览:

数据集简介:

KITTI-object由7481帧训练点云和7518帧测试点云组成。

2D目标检测和方向估计benchmark,利用2D框重叠计算PR曲线进行检测,计算方向相似度评估鸟瞰图中的方向估计。

三维目标检测benchmark,利用三维框重叠计算PR曲线。

鸟瞰图benchmark,利用鸟瞰图中的框重叠计算PR曲线。

数据集高速下载地址:https://gas.graviti.cn/dataset/data-decorators/KITTIObject

3.数据集名称:DeepRoute Open Dataset

数据集预览:

数据集简介:

DeepRoute Open Dataset是用于L4级自动驾驶算法训练的数据集。它包含了深圳、武汉和杭州复杂城市道路上的真实测试场景。该数据共享是为了加强研究界和行业之间的联系,从而加速自动驾驶技术的开发和应用。

发布的数据是从三个城市的10000个道路测试数据中随机抽取的。利用图像联合标注,采用精确的3D框对障碍物进行标注,标注了八种类型的障碍物。在每一种类型的障碍物中,我们都有目标类型、边界框中心的位置、边界框的尺寸和对象标题的旋转角度等信息。

数据集高速下载地址:https://gas.graviti.cn/dataset/graviti-open-dataset/DeepRoute

4.数据集名称:KITTI-tracking

数据集预览:

数据集简介:目标跟踪基准由21个训练序列和29个测试序列组成。尽管该数据集已经标记了8个不同的类,但只有类'Car'和'Pedestrian'在我们的基准测试中进行了评估,因为只有这些类有足够的实例来进行全面评估。

数据集高速下载地址:https://gas.graviti.cn/dataset/data-decorators/KITTITracking

5.数据集名称:Neolix OD

数据集预览:

数据集简介:通过捕捉各种有趣的场景展示了自动驾驶领域的多样性,包括北京、深圳和西安。数据集对公众开放;相信这个数据集将在计算机视觉和自动驾驶的许多领域非常有用。

数据集高速下载地址:https://gas.graviti.cn/dataset/graviti-open-dataset/NeolixOD

分享到:
立即开始构建AI