三維點云數(shù)據(jù)集

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

這應(yīng)該是做點云數(shù)據(jù)最初大家用最多的數(shù)據(jù)集，其中包含最開始做配準的Bunny、Happy Buddha、Dragon等模型。

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

這個數(shù)據(jù)集包含用Velodyne HDL-64E LIDAR掃描的各種常見城市道路對象，收集于澳大利亞悉尼CBD。含有631個單獨的掃描物體，包括車輛、行人、廣告標志和樹木等。可以用來測試匹配和分類算法。

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

這個數(shù)據(jù)集包含的數(shù)據(jù)比較多類，由Automonous Systems Lab提供的數(shù)據(jù)，一般數(shù)據(jù)集都有對應(yīng)發(fā)表的論文成果。下邊只列出一些下載過，用過的。

（1）IORS2018：目標檢測和匹配

（2）IJRR2012：測試點云配準算法

（3）ISER2016：可用作點云配準（有源碼）

源碼鏈接：https://github.com/ethz-asl/robust_point_cloud_registration

鏈接：http://www.semantic3d.net/

這個數(shù)據(jù)庫是做大規(guī)模點云分類的，提供了一個大的自然場景標記的3D點云數(shù)據(jù)集，總計超過40億點。涵蓋了各種各樣的城市場景：教堂、街道、鐵路軌道、廣場、村莊、足球場、城堡等等。

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

RGB-D對象數(shù)據(jù)集是300個常見的家庭對象的大數(shù)據(jù)集。該數(shù)據(jù)集是使用Kinect風格的3D相機記錄的，該相機以30Hz記錄同步和對齊的640x480RGB和深度圖像。對于每個物體，有3個視頻序列，每個視頻序列用安裝在不同高度的照相機記錄，以便從與地平線的不同角度觀察物體。除了300個對象的孤立視圖之外，RGB-D對象數(shù)據(jù)集還包括22個帶有注釋的自然場景視頻序列，其中包含來自數(shù)據(jù)集的對象。這些場景覆蓋了常見的室內(nèi)環(huán)境，包括辦公室工作區(qū)、會議室和廚房區(qū)域。

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

這個數(shù)據(jù)集應(yīng)該也是大家比較熟悉的，包括NYU-Depth V1數(shù)據(jù)集和NYU-Depth V2數(shù)據(jù)集，都是由來自各種室內(nèi)場景的視頻序列組成，這些視頻序列由來自Microsoft Kinect的RGB和Depth攝像機記錄。

NYU-Depth V1數(shù)據(jù)集包含有64種不同的室內(nèi)場景、7種場景類型、108617無標記幀和2347密集標記幀以及1000多種標記類型。

?NYU-Depth V2數(shù)據(jù)集包含了1449個密集標記的對齊RGB和深度圖像對、來自3個城市的464個新場景，以及407024個新的無標記幀。

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

該數(shù)據(jù)庫包含來自巴黎（法國）密集城市環(huán)境的3DMLS數(shù)據(jù)，由3億點組成。在該數(shù)據(jù)庫中，對整個3D點云進行分割和分類，即每個點包含一個標簽和一個類。因此，對檢測-分割-分類方法進行逐點評估成為可能。這個數(shù)據(jù)庫是在iQmulus和TerraMobilita項目的框架內(nèi)產(chǎn)生的。它被法國國家制圖局（IGN）開發(fā)的MLS系統(tǒng)“ Stereopolis II”收購。注釋將由IGN的MATIS實驗室手動輔助進行。

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

這個數(shù)據(jù)庫的采集地點是在美國卡耐基梅隆大學周圍，數(shù)據(jù)采集使用Navlab11，配備側(cè)視SICK LMS激光掃描儀，用于推掃。其中包含了完整數(shù)據(jù)集、測試集、訓練集和驗證集。

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

這個數(shù)據(jù)集來自德國卡爾斯魯厄理工學院的一個項目，其中包含了利用KIT的無人車平臺采集的大量城市環(huán)境的點云數(shù)據(jù)集（KITTI），這個數(shù)據(jù)集不僅有雷達、圖像、GPS、INS的數(shù)據(jù)，而且有經(jīng)過人工標記的分割跟蹤結(jié)果，可以用來客觀的評價大范圍三維建模和精細分類的效果和性能。

其中，該團隊還介紹了一些相關(guān)的數(shù)據(jù)集，可以參考：

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

這個數(shù)據(jù)集比較適合做SLAM研究，包含了大量的Riegl和Velodyne雷達數(shù)據(jù)。

下載1：OpenCV-Contrib擴展模塊中文版教程
在「小白學視覺」公眾號后臺回復：擴展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴展模塊教程中文版，涵蓋擴展模塊安裝、SFM算法、立體視覺、目標跟蹤、生物視覺、超分辨率處理等二十多章內(nèi)容。

下載2：Python視覺實戰(zhàn)項目52講
在「小白學視覺」公眾號后臺回復：Python視覺實戰(zhàn)項目，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數(shù)、添加眼線、車牌識別、字符識別、情緒檢測、文本內(nèi)容提取、面部識別等31個視覺實戰(zhàn)項目，助力快速學校計算機視覺。

下載3：OpenCV實戰(zhàn)項目20講
在「小白學視覺」公眾號后臺回復：OpenCV實戰(zhàn)項目20講，即可下載含有20個基于OpenCV實現(xiàn)20個實戰(zhàn)項目，實現(xiàn)OpenCV學習進階。

交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學校/公司+研究方向“，例如：”張三?+?上海交大?+?視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~