storm drains

该数据集包含了2019年的城市资产3D激光雷达数据，主要用于开发和测试3D激光雷达处理算法。数据集详细信息包括大小、标签、栅格和掩码等，并提供了训练集和测试集的示例。

This dataset comprises 3D LiDAR (Light Detection and Ranging) data of urban assets from the year 2019, primarily utilized for the development and testing of 3D LiDAR processing algorithms. The dataset details include size, labels, rasters, and masks, along with examples of training and test sets.

原始信息汇总

数据集概述

数据集名称

• Jakarto datasets for 3d detection challenge of urban assets

数据集用途

• 用于开发和测试3D激光雷达处理算法。

数据集采集

• 数据集由Jakarto公司的车辆收集。

数据集安装与使用

• 安装: 需要Python 3.6+，通过pip install jakarto-datasets安装。

• 使用示例: python from jakarto_datasets.datasets.storm_drains import StormDrainsDataset

  storm_drains_2019 = StormDrainsDataset()

  for data in storm_drains_2019.training_set: coordinates = data.get_coordinates_data() lidar_data = data.get_lidar_data() label = data.get_label_lidar_data()

  print(data)
  print(coordinates.shape)
  print(lidar_data.shape)
  print(label.shape)
  
  print(lidar_data[intensity])
  

数据集详情

数据集	年份	大小	3D激光雷达	标签	栅格	掩码	训练集长度	测试集长度	示例
风暴排水	2019	2.29 GB	✓	✓	✓	✓	223	150	查看示例

基准测试

数据集	标题	作者	链接	描述
风暴排水 2019	平衡随机森林	Jakarto团队	链接	使用简单的平衡随机森林对激光雷达数据中的每个点进行分类，检测到约25%的风暴排水，将添加到2020年的数据集中。

引用信息

bibtex @MISC{jakarto_datasets, author = {Loic Messal and Cedric Pelletier}, title = {Jakarto datasets}, year = {2019}, howpublished={url{https://github.com/jakarto3d/jakarto_datasets}} }

搜集汇总

数据集介绍

构建方式

该数据集通过Jakarto卡车搭载的3D激光雷达设备在城市环境中采集数据，专门针对城市资产如雨水排水口进行三维检测。数据采集过程中，不仅记录了激光雷达的点云数据，还包括了相应的坐标信息、标签数据、栅格图像和掩码信息。这些数据经过处理后，形成了包含训练集和测试集的结构化数据集，旨在为三维激光雷达处理算法的开发和测试提供支持。

特点

该数据集的特点在于其高精度的三维激光雷达数据，涵盖了城市环境中的雨水排水口等特定资产。数据集不仅提供了丰富的点云数据，还包含了详细的标签信息，便于进行目标检测和分类任务。此外，数据集还提供了栅格图像和掩码信息，进一步增强了数据的多样性和实用性。数据集的规模适中，训练集包含223个样本，测试集包含150个样本，适合用于算法验证和性能评估。

使用方法

使用该数据集时，首先需要通过Python API进行安装，安装命令为`pip install jakarto-datasets`。安装完成后，可以通过导入`StormDrainsDataset`类来加载数据集。数据集的训练集和测试集可以通过迭代器进行访问，每个样本包含坐标数据、激光雷达数据和标签数据。用户可以通过调用相应的方法获取这些数据，并进行进一步的分析和处理。示例代码展示了如何加载数据集并访问其中的数据，便于用户快速上手。

背景与挑战

背景概述

Jakarto数据集由Loic Messal和Cedric Pelletier等人于2019年创建，旨在为城市资产的三维检测提供真实世界的激光雷达数据支持。该数据集通过Jakarto卡车采集，涵盖了城市环境中的多种资产，如雨水排水口等。其核心研究问题聚焦于利用三维激光雷达数据进行城市资产的精确检测与分类，为城市管理、自动驾驶等领域提供了重要的数据基础。该数据集的发布推动了三维激光雷达数据处理算法的发展，并为相关领域的研究者提供了宝贵的实验数据。

当前挑战

Jakarto数据集在解决城市资产三维检测问题时面临多重挑战。首先，激光雷达数据的复杂性和高维度使得数据处理与特征提取变得极为困难，尤其是在城市环境中，物体之间的遮挡和噪声干扰显著增加了检测难度。其次，数据标注的准确性直接影响模型的性能，而城市资产的多样性和复杂性使得标注工作耗时且易出错。此外，数据集的构建过程中，如何确保数据的多样性和代表性也是一个重要挑战，尤其是在不同城市环境和天气条件下，数据的采集和标准化处理需要大量的资源和时间投入。

常用场景

经典使用场景

在三维激光雷达数据处理领域，storm drains数据集被广泛应用于城市资产的三维检测与识别。该数据集通过提供高精度的三维点云数据，支持研究人员开发和测试各种三维目标检测算法。特别是在城市环境中，该数据集能够有效模拟真实世界的复杂场景，帮助算法在多样化的城市资产检测任务中表现优异。

解决学术问题

storm drains数据集解决了城市资产管理中的关键学术问题，如三维点云数据的精确分类与目标检测。通过提供带有标签的三维激光雷达数据，该数据集为研究人员提供了丰富的实验材料，推动了基于机器学习和深度学习的城市资产检测技术的发展。其意义在于为城市基础设施的智能化管理提供了数据支持，促进了相关领域的学术研究进展。

衍生相关工作

基于storm drains数据集，研究人员开发了多种经典的三维目标检测算法。例如，Jakarto团队利用平衡随机森林算法对点云数据进行分类，成功检测了约25%的雨水井盖，并将这些检测结果纳入了2020年的数据集中。此外，该数据集还激发了更多关于三维点云数据处理的研究，推动了城市资产检测技术的进一步发展。