点云数据集汇总整理（持续更新......）

点云数据集在计算机视觉和深度学习中用于各种任务，包括三维重建、物体识别、语义分割、姿态估计等。整理点云数据集时，可以根据应用场景和数据集的特性进行分类。以下是一些知名和常用的点云数据集的汇总：

1. ModelNet 系列

• ModelNet10 / ModelNet40：
  • 描述：包含 3D CAD 模型的点云数据集，用于分类任务。ModelNet10 包含 10 类物体，ModelNet40 包含 40 类物体。
  • 应用：物体分类、物体识别。
  • 下载链接：ModelNet

2. ShapeNet

• 描述：是一个包含丰富 3D 模型的大型数据集，覆盖了数百类物体。ShapeNet 通过将三维模型转换为点云数据，适用于多个计算机视觉任务。
• 应用：物体识别、语义分割、三维重建。
• 下载链接：ShapeNet

3. ScanNet

• 描述：包含丰富的室内场景点云数据，ScanNet 提供了大规模的 RGB-D 图像和对应的点云数据，带有对象标签、场景标签和语义标签。
• 应用：室内场景理解、物体检测、语义分割。
• 下载链接：ScanNet

4. S3DIS (Stanford 3D Indoor Spaces)

• 描述：一个高质量的室内数据集，包含多个房间和建筑的点云数据，标注了细粒度的语义信息（如墙、桌子、椅子等）。
• 应用：室内场景语义分割、场景理解。
• 下载链接：S3DIS

5. KITTI

• 描述：包含来自自动驾驶车辆的点云数据，主要用于评估自驾车中的立体视觉、激光雷达和点云处理。
• 应用：自动驾驶、物体检测、立体匹配、定位。
• 下载链接：KITTI

6. NuScenes

• 描述：这是一个大型自动驾驶数据集，提供了来自不同传感器（激光雷达、摄像头、雷达等）的多模态数据，包含城市道路上的点云。
• 应用：自动驾驶、物体检测、3D感知。
• 下载链接：NuScenes

7. SemanticKITTI

• 描述：是基于 KITTI 数据集的一个扩展，带有详细的语义标签信息，专注于城市道路的自动驾驶场景。
• 应用：语义分割、自动驾驶。
• 下载链接：SemanticKITTI

8. SUN RGB-D

• 描述：包含丰富的 RGB-D 图像和相应的 3D 点云数据，适用于室内场景的物体识别和定位任务。
• 应用：物体识别、室内场景分析、语义分割。
• 下载链接：SUN RGB-D

9. ApolloScape

• 描述：一个用于自动驾驶场景的点云数据集，提供了来自多传感器（激光雷达、摄像头等）的数据，主要用于 3D 环境建模和物体检测。
• 应用：自动驾驶、3D场景重建、物体检测。
• 下载链接：ApolloScape

10. PartNet

• 描述：提供了 3D 部件级的细粒度模型点云数据，适用于对物体进行部件级别的分割与识别。
• 应用：物体分割、部件级别的语义分割。
• 下载链接：PartNet

11. Stanford 3D Scanning Repository

• 描述：包含多个物体和场景的高质量 3D 扫描，适用于几何重建和点云处理算法的评估。
• 应用：三维重建、点云配准。
• 下载链接：Stanford 3D Scanning

12. PASCAL 3D+

• 描述：用于多视角 3D 物体识别的点云数据集，包含 12 类物体的三维模型。
• 应用：物体识别、三维重建。
• 下载链接：PASCAL 3D+

13. Indoor LIDAR

• 描述：提供用于室内空间建模的激光雷达点云数据，适用于室内导航、空间分析等任务。
• 应用：室内建模、空间分析。
• 下载链接：Indoor LIDAR

总结

这些数据集为点云处理领域提供了丰富的资源，从物体分类、物体识别到三维场景重建和自动驾驶，它们广泛应用于多个计算机视觉和机器学习任务中。根据需求选择合适的数据集可以帮助加速研究和开发。