FIORD

FIORD数据集是由坦佩雷大学和阿尔托大学共同创建的高分辨率、超广角鱼眼图像数据集，包含10个不同的室内外场景。每个场景都使用双200度鱼眼镜头进行全360度覆盖，并提供了稀疏的SfM点云和精确的LIDAR生成的稠密点云作为几何基准。该数据集支持多种场景重建、新视角合成和基于图像的渲染方法，旨在推动三维场景重建技术的发展。The FIORD dataset is a high-resolution, ultra-wide-angle fisheye image dataset co-created by Tampere University and Aalto University, comprising 10 distinct indoor and outdoor scenes. Each scene achieves full 360-degree coverage using dual 200-degree fisheye lenses, and provides sparse Structure from Motion (SfM) point clouds and precise dense point clouds generated via LiDAR as geometric benchmarks. This dataset supports various scene reconstruction, novel view synthesis, and image-based rendering methods, and is aimed at advancing the development of 3D scene reconstruction technologies.

搜集汇总

数据集介绍

构建方式

FIORD数据集的构建采用了双200度鱼眼镜头的Insta360相机，在静态环境下捕获了5个室内和5个室外场景的高分辨率图像。通过精心设计的相机校准流程，使用Camera Calibration Toolbox for Generic Lenses工具箱对鱼眼镜头畸变进行校正，并转换为OpenCV-Fisheye相机格式。每个场景包含500-1300张图像，确保了场景的全面覆盖。同时，采用Faro Focus 3D激光扫描仪获取高精度LIDAR点云作为几何真值，并通过CloudCompare软件将稀疏的SfM点云与密集LIDAR点云对齐，建立了统一的坐标系系统。

特点

FIORD数据集最显著的特点在于其超宽视场角的鱼眼图像，单个镜头视场达200度，双镜头组合实现360度全景覆盖。数据集包含室内外多样场景，涵盖不同光照条件、天气状况（如雪景、雾天）和复杂几何结构，为算法鲁棒性测试提供了丰富素材。其独特的价值在于同时提供稀疏SfM点云和精确的LIDAR密集点云，支持几何精度评估和多模态数据融合研究。此外，静态拍摄方式避免了运动模糊，保证了图像质量，而原始鱼眼格式数据保留了完整的场景信息，避免了拼接伪影。

使用方法

该数据集支持多种3D场景重建和新视角合成任务的使用方式。研究者可直接利用COLMAP生成的稀疏点云进行传统SfM流程，或整合LIDAR密集点云提升高斯泼溅等方法的初始化质量。数据集已预分割训练集和测试集（90%-10%比例），并提供了图像校正工具以适应标准针孔相机模型算法。对于先进渲染技术开发，建议直接使用原始鱼眼图像开发非线性和二次光线渲染方法。评估时可参考提供的基线指标（PSNR、SSIM、LPIPS），利用LIDAR真值点云进行几何精度验证。数据集兼容Nerfstudio等主流框架，支持实时渲染应用的开发。

背景与挑战

背景概述

FIORD数据集由芬兰坦佩雷大学和阿尔托大学的研究团队于2025年联合推出，旨在解决大尺度三维场景重建和新型视图合成领域中现有数据集的局限性。该数据集采用双200度鱼眼镜头捕捉静态图像，提供5个室内和5个室外场景的完整360度覆盖，并配备稀疏SfM点云及高精度LIDAR密集点云作为几何真值。其核心研究问题聚焦于克服传统窄视场数据对复杂场景建模的约束，通过超广角成像与多模态几何验证的结合，为高斯泼溅（3DGS）和神经辐射场（NeRF）等算法提供了更接近真实场景的基准测试平台。

当前挑战

FIORD数据集面临的挑战主要体现在两方面：领域问题层面，需解决超广角鱼眼图像在遮挡、反射及冬季极端天气（如雪地眩光）条件下的三维重建精度问题，这对传统基于窄视场的SfM算法提出了更高要求；构建过程层面，双鱼眼镜头原始数据的畸变校正、稀疏与密集点云（最高达5亿点）的跨模态对齐，以及静态拍摄导致的场景动态信息缺失，均为数据质量控制的关键难点。

常用场景

经典使用场景

FIORD数据集专为3D场景重建和新视角合成任务设计，其独特的超广角鱼眼镜头设计（200度视场角）使得单次拍摄即可覆盖360度场景，显著减少了传统窄视场数据集所需的多图像拼接和运动结构恢复（SfM）处理。该数据集包含10个室内外场景的高分辨率静态图像，避免了视频采集导致的运动模糊问题，同时提供稀疏SfM点云和精确的LIDAR密集点云作为几何真值，为高斯溅射（3DGS）和神经辐射场（NeRF）等算法提供了理想的基准测试平台。

解决学术问题

FIORD通过融合鱼眼成像与LIDAR真值，解决了现有数据集中窄视场图像重建大尺度场景时需大量图像、计算成本高的问题。其静态拍摄策略消除了运动模糊对SfM特征匹配的干扰，而冬季复杂光照（冰雪反光、雾霭）和重复结构场景的设计，为算法在遮挡、反射等挑战性条件下的鲁棒性评估提供了标准。数据集首次实现了鱼眼原始数据与几何真值的直接对齐，填补了非线性和超广角相机模型在3D重建领域缺乏权威基准的空白。

衍生相关工作

基于FIORD的基准测试催生了多项创新研究：On the Error Analysis of 3D Gaussian Splatting提出无需校正的鱼眼渲染器，3DGUT扩展高斯溅射至非线性投影领域；OmniGS利用该数据集验证了全向高斯建模在大尺度室内重建的可行性。相关成果进一步推动了Hierarchical 3D Gaussian等层级表示方法的发展，为实时大规模场景渲染提供了新范式。