lidar-warehouse-dataset

该数据集由仓库环境的连续3D LiDAR扫描（Velodyne Puck/ VLP-16）组成，通过移动平台录制。数据集包含以下五类物体的3D边界框标注：车辆平台（类型1、2、3）、金属箱和叉车。每个类别代表仓库和工业环境中常见的独特物体类型。当前版本不包括人员标注。

This dataset consists of consecutive 3D LiDAR scans (Velodyne Puck/VLP-16) captured in warehouse environments using a mobile platform. The dataset includes 3D bounding box annotations for five categories of objects: vehicle platforms (Type 1, 2, 3), metal bins, and forklifts. Each category represents a distinct object type commonly encountered in warehouse and industrial settings. No personnel annotations are included in the current version.

原始信息汇总

数据集概述

本数据集是为仓库环境中的3D物体检测提供的LiDAR数据集，由Gina Abdelhalim、Kevin Simon、Robert Bensch、Sai Parimi和Bilal Ahmed Qureshi等人创建，隶属于Karlsruher Institut für Technologie (KIT)和ANavS GmbH。该数据集是首个针对工业仓库环境的开放源代码3D点云数据集。

数据集描述

数据集包含来自仓库环境的连续3D LiDAR扫描（Velodyne Puck/ VLP-16），由移动平台上的记录创建。数据集包含以下五类物体的3D边界框标注：

数据类型	标签	颜色	样本数量
3D点云数据	-	-	3287
标注（3D边界框）
- 车辆平台（类型1）	"FTS"	绿色	600
- 车辆平台（类型2）	"ELFplusplus"	橙色	1248
- 车辆平台（类型3）	"CargoBike"	粉色	1205
- 金属箱	"Box"	蓝色	2847
- 叉车	"ForkLift"	红色	481

当前版本不包括人员标注。

数据结构

数据集的组织结构如下：

DATASET ├── bin ├── 000000.bin ├── 000001.bin ├── 000002.bin ├── .... ├── label ├── 000000.txt ├── 000001.txt ├── 000002.txt ├── .... ├── tools ├── get_dataset_stats.sh ├── vis ├── 000000.png ├── 000001.png ├── 000002.png ├── .... ├── dense_point_cloud_SLAM.png ├── LICENSE ├── README.md ├── teaser.png

其中：

• bin/：包含原始3D点云数据的二进制文件（.bin）
• label/：包含每个扫描的标注文件（.txt）
• tools/：包含数据集工具（例如运行./tools/get_dataset_stats.sh）
• vis/：包含每个LiDAR扫描的顶视图和透视图的视觉化图表，包括边界框
• dense_point_cloud_SLAM.png：用于3D边界框标注的场景密集3D点云的渲染图
• LICENSE：提供数据集许可证信息
• README.md：提供数据集描述
• teaser.png：来自论文的预告图像

标注文件格式

txt标注文件包含扫描中所有物体的边界框参数。每行包含单个边界框的参数，格式如下：

class_name position_x_m position_y_m position_z_m scale_x_m scale_y_m scale_z_m yaw_angle_rad

应用

该数据集可用于基于16通道3D LiDAR数据的仓库环境中3D物体检测的研究和开发，包括但不限于：

• 工业环境中的自动驾驶车辆导航
• 物体检测和分类
• 机器人和自动化
• 工业检查和监控

引用

如果使用此数据集，请引用相应的论文：

@Article{Abdelhalim2024, author = {G. Abdelhalim and K. Simon and R. Bensch and S. Parimi and B. A. Qureshi}, title = {Automated AI-based Annotation Framework for 3D Object Detection from LIDAR Data in Industrial Areas}, journal = {Society of Automotive Engineers (SAE) Technical Paper}, year = {2024}, volume = {2024-01-2999}, issn = {2688-3627}, url = {https://www.sae.org/publications/technical-papers/content/2024-01-2999/}, }

许可证

该数据集根据CC-BY-SA-4.0许可证发布。详细信息请参见LICENSE文件。

搜集汇总

数据集介绍

构建方式

该数据集通过在移动平台上记录的连续3D LiDAR扫描（Velodyne Puck/ VLP-16）构建，涵盖了仓库环境。首先，采用LiDAR SLAM方法生成场景的密集优化全局3D点云，随后进行3D边界框标注。这些标注随后被自动重投影到每个单独的LiDAR扫描中，确保了所有扫描的高效且一致的标注。

特点

该数据集的显著特点在于其针对工业仓库环境的3D对象检测需求，提供了3287个3D点云数据样本，并包含五类对象的3D边界框标注，包括车辆平台（三种类型）、金属箱和叉车。此外，数据集的组织结构清晰，包含原始点云数据、标注文件和可视化工具，便于用户进行深入分析和应用。

使用方法

用户可以通过下载数据集并访问其Google Drive链接获取数据。数据集的文件结构包括点云数据的二进制文件、标注文件和可视化图像，用户可以根据需要使用这些资源进行3D对象检测的研究和开发。此外，数据集还提供了统计工具，帮助用户快速了解数据集的构成和特性。

背景与挑战

背景概述

lidar-warehouse-dataset是由Karlsruher Institut für Technologie (KIT)和ANavS GmbH的研究人员Gina Abdelhalim、Kevin Simon、Robert Bensch、Sai Parimi和Bilal Ahmed Qureshi共同创建的，旨在支持其在2024年发表的论文《Automated AI-based Annotation Framework for 3D Object Detection from LiDAR Data in Industrial Areas》。该数据集专注于仓库环境中的三维物体检测，是首个针对工业仓库环境的开源三维点云数据集。其核心研究问题在于通过LiDAR数据实现工业环境中三维物体的自动检测与标注，对自动驾驶、机器人导航及工业监控等领域具有重要影响。

当前挑战

lidar-warehouse-dataset在构建过程中面临多项挑战。首先，数据集的创建涉及复杂的LiDAR SLAM技术，以生成密集优化的全局三维点云，并进行三维边界框标注，这一过程需要高精度的算法支持。其次，数据集的标注需自动重投影至每个单独的LiDAR扫描，确保标注的一致性和效率。此外，数据集仅包含五类常见仓库物体，未涵盖人员标注，限制了其在更广泛应用场景中的适用性。这些挑战不仅影响了数据集的构建质量，也对其在实际应用中的效能提出了考验。

常用场景

经典使用场景

在仓库环境中，lidar-warehouse-dataset 数据集的经典使用场景主要集中在3D物体检测。通过提供连续的3D LiDAR扫描数据及其对应的3D边界框标注，该数据集为研究人员和开发者提供了一个详尽的资源，用于训练和验证3D物体检测算法。这些算法在自动驾驶车辆导航、机器人自动化以及工业检测与监控等领域具有广泛的应用前景。

实际应用

在实际应用中，lidar-warehouse-dataset 数据集为工业仓库环境中的自动化系统提供了关键支持。例如，自动驾驶车辆可以利用该数据集进行导航和避障，机器人系统可以通过学习数据集中的物体识别模式来提高操作效率。此外，该数据集还可用于工业检测和监控，帮助企业实现更高效的仓库管理和安全保障。

衍生相关工作

基于 lidar-warehouse-dataset 数据集，许多相关研究和工作得以展开。例如，一些研究团队利用该数据集开发了新的3D物体检测算法，显著提升了检测精度和速度。此外，该数据集还激发了在自动驾驶和机器人技术领域的进一步探索，推动了工业自动化和智能仓储系统的发展。