DALES-2

DALES 2 是一个经过更新的大规模航空 LiDAR 基准数据集，用于 3D 场景理解。它在原始 DALES 数据集的地理覆盖基础上，重新标注了语义和实例标签，优化了分类体系，并引入了场景图结构（对象和关系）。数据集包含标注的点云数据（通常为每个瓦片的 LAZ/LAS 文件）和可选的场景图关系（如相邻、靠近、支撑、延伸等）。数据集支持语义和实例分割、3D 检测/全景解析以及场景图生成和推理等任务。数据模态为 3D 点云（LAZ 或 LAS 格式），包含 15 个语义类别，每个点带有实例属性。非实体类对象使用不同的正实例 ID，实体类使用实例 0。实例 ID 在同一瓦片内跨语义类别唯一。数据集结构通常为一个文件对应一个空间瓦片，可选辅助资产（如元数据、分割、校验和）。数据集采用 MIT 许可。

原始信息汇总

DALES 2 数据集概述

数据集基本信息

• 数据集名称：DALES 2
• 发布平台：Hugging Face Datasets
• 许可证：MIT License
• 主要语言：英语
• 数据规模：1GB 至 10GB
• 标签：激光雷达、点云、航空、3D场景理解、实例分割、语义分割、场景图、遥感

数据集简介

DALES 2 是一个基于原始 DALES 发布地理覆盖范围重建的大规模航空激光雷达基准数据集，用于 3D 场景理解。该数据集提供了重新标注的语义和实例标签、精细化的分类体系以及伴随的场景图结构。

主要特点与更新

• 对实例和语义进行了人工参与的修订。
• 采用 15 类 语义分类体系，每个点具有分类标签，并在每个瓦片内提供跨类别的唯一实例ID。
• 可选使用通过官方流程生成的关系图。
• 本 Hub 仓库主要分发带标注的点云数据，图 JSON 文件和交互式**图编辑工具**位于配套的代码仓库中。

支持的任务

• 航空激光雷达的语义分割和实例分割
• 城市/基础设施场景中的 3D 检测/全景式解析
• 场景图生成与推理

数据模态

• 3D 点云，格式为 LAZ 或 LAS，覆盖航空/大面积瓦片。

类别 ID 与实例说明

ID	类别	说明
0	地面	背景类
1	植被	背景类
2	汽车	车辆实例
3	电力线	导线实例
4	围栏	背景类
5	树	树木实例
6	皮卡	车辆实例
7	厢式货车与卡车	车辆实例
8	重型车辆	车辆实例
9	电线杆	杆状物实例
10	路灯杆	杆状物实例
11	交通信号杆	杆状物实例
12	住宅	建筑实例
13	综合体	建筑实例
14	附属建筑	建筑实例

• 实例字段：每个点携带一个实例属性。非背景类对象使用不同的正数实例ID；背景类在发布约定中使用实例 0。实例 ID 在同一个瓦片文件内的不同语义类别间是唯一的。

数据集结构

• 每个空间瓦片通常对应一个文件，例如位于仓库根目录或 tiles/ 目录下的 *.laz / *.las 文件。
• 可选的辅助文件。

下载方式

使用 huggingface_hub（推荐用于原始文件）

bash pip install huggingface_hub

python from huggingface_hub import snapshot_download snapshot_download( repo_id="mbendjilali/DALES-2", repo_type="dataset", local_dir="dales2", )

使用 Git LFS

bash git lfs install git clone https://huggingface.co/datasets/mbendjilali/DALES-2

场景图工具

场景图文件及网页编辑器在 Github 代码库中维护。

引用

如需使用本数据集，请引用： bibtex @inproceedings{bendjilali2026dales2, title = {{DALES} 2: A Renovated Aerial {LiDAR} Benchmark for 3D Scene Understanding}, author = {Bendjilali, Moussa and Peyran, Claire and Velumani, Kaaviya and Mauri, Antoine and Luminari, Nicola and Alliez, Pierre}, booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops}, year = {2026}, note = {USM3D workshop}, }

致谢

DALES 2 基于原始的 DALES 航空激光雷达数据和 DALES Objects 实例基准构建。

联系

如有关于发布或基准测试的问题，请在本数据集页面发起讨论或通过论文中列出的作者单位联系作者。

搜集汇总

数据集介绍

构建方式

在三维场景理解领域，大规模标注数据集是推动算法发展的基石。DALES-2数据集基于原始DALES的地理覆盖范围进行了系统性重构，通过人机协同的精细化标注流程，对语义与实例标签进行了全面修订。其构建过程采用了人类在环的修订机制，显著提升了标注的粒度与一致性，例如将电力线按跨距细分、把树木从植被类别中独立为实例，并将栅栏等结构定义为不可实例化的“物品”类别。该数据集以分块的点云文件（LAZ/LAS格式）组织，并引入了伴随的场景图结构，为三维场景的深层理解提供了结构化表征。

特点

作为面向航空激光雷达的三维场景理解基准，DALES-2呈现出多维度特点。在语义层面，它定义了包含地面、植被、车辆、电力线、树木、建筑等在内的15类精细分类体系，兼顾“物品”与“实例”的区分。其核心特征在于为每个点赋予了跨类别唯一的实例标识符，确保同一分块内不同语义对象具有独立的实例ID，从而支持精准的实例分割任务。此外，数据集创新性地提供了可选的关系图结构，通过邻接、邻近、支撑、延伸等关系边，将三维对象间的空间与功能关联形式化，为场景图生成与推理研究开辟了新路径。

使用方法

研究者可通过多种方式获取并利用DALES-2数据集进行三维视觉任务探索。对于直接的数据访问，推荐使用Hugging Face Hub库进行下载，通过snapshot_download函数即可将原始点云文件获取至本地。数据集主要支持航空激光雷达点云的语义分割、实例分割、三维检测及全景解析等任务，用户可加载LAZ/LAS格式的分块数据，依据点属性中的类别ID与实例ID进行模型训练与评估。若需进行场景图相关的实验，则需结合官方代码库中提供的图JSON文件与交互式编辑工具，以构建或分析对象间的拓扑关系。在使用时，请注意遵守MIT许可协议，并恰当引用相关文献以尊重其学术贡献。

背景与挑战

背景概述

随着三维场景理解在遥感与计算机视觉领域的深入发展，大规模、高质量标注的航空激光雷达点云数据集成为推动算法进步的关键基础设施。DALES-2数据集由Moussa Bendjilali等研究人员于2026年CVPR USM3D研讨会上正式提出，作为对原有DALES基准的全面革新。该数据集依托原始地理覆盖范围，通过人机协同的精细化标注流程，重新构建了包含15类语义标签与实例标识的点云数据，并引入了场景图结构以支持对象关系推理。其核心研究问题聚焦于城市与基础设施环境中三维点云的语义分割、实例分割及场景图生成，旨在为航空LiDAR的自动化解析提供更丰富、更可靠的评估基准，对遥感智能解译与三维视觉领域的发展具有显著的推动作用。

当前挑战

在三维点云解析领域，航空LiDAR数据因其大规模、稀疏性及复杂场景组合而面临独特挑战。DALES-2致力于解决城市与基础设施场景中细粒度对象识别与关系建模的难题，例如区分植被与独立树木实例、精确标注电力线跨距、以及构建建筑、车辆、杆状物等多样对象间的空间与语义关系。在数据集构建过程中，挑战主要体现在标注质量的提升与一致性维护上：需通过人工介入修订原有标注错误，统一实例标识跨语义类别的唯一性，并设计兼顾几何与语义关系的场景图表示模式。此外，大规模点云数据的存储、高效访问以及场景图工具的集成，也为数据集的可用性与扩展性带来了工程层面的考验。

常用场景

经典使用场景

在遥感与三维场景理解领域，DALES-2数据集作为大规模航空激光雷达基准，其经典应用场景集中于城市与基础设施环境的精细解析。该数据集通过高精度点云数据，支持对地面物体如车辆、建筑物、植被及电力线等进行语义与实例分割，为自动化三维场景重建提供了关键数据支撑。研究者常利用其标注的点云与场景图结构，开发算法以识别复杂环境中的物体类别与空间关系，推动自动驾驶、智慧城市等前沿技术的算法验证与性能评估。

实际应用

在实际工程与行业应用中，DALES-2数据集为城市管理、基础设施监测与自动驾驶系统提供了可靠的数据基础。例如，在智慧城市建设中，该数据集可用于电力线巡检、交通流量分析与建筑物变化检测；在环境监测领域，则支持植被覆盖评估与自然灾害风险评估。其高分辨率点云与实例标注能力，使得自动化系统能够精准识别并跟踪动态物体，提升城市规划与资源管理的效率与安全性。

衍生相关工作

围绕DALES-2数据集，学术界已衍生出一系列经典研究工作，主要集中在三维实例分割、场景图生成与点云理解等方向。例如，基于其精细化标注的实例ID，研究者提出了改进的聚类与图神经网络模型，以提升车辆与建筑物等物体的分割精度；同时，结合场景图工具，多项工作探索了物体间空间关系（如相邻、支撑）的自动推理方法。这些成果不仅推动了航空激光雷达数据处理技术的发展，也为后续大规模三维基准数据集（如SemanticKITTI、nuScenes）的标注范式提供了参考。