Building-Segmentation-Reference-Dataset

这是一个手动制作的参考数据集，用于LiDAR建筑物点云的分割。数据集包含两个子集，分别来自Townsquare和St.Gallencathedral场景，每个分割对应于建筑物的一个语义对象，如墙、窗户和屋顶面。为避免个人偏好，数据集由熟悉点云分割工作的人员独立分割。

This is a manually curated reference dataset designed for the segmentation of LiDAR building point clouds. The dataset comprises two subsets, derived from the Townsquare and St. Gallen cathedral scenes, respectively. Each segmentation corresponds to a semantic object of the building, such as walls, windows, and roof surfaces. To eliminate personal bias, the dataset was independently segmented by individuals proficient in point cloud segmentation tasks.

原始信息汇总

数据集概述

数据集名称

Building-Segmentation-Reference-Dataset

数据集用途

用于LiDAR建筑点云分割的参考数据集。

数据集内容

• 手动分割参考：数据集由人工手动分割，每个分割对应建筑组件的语义对象。例如，平面分割代表建筑的北墙，框架结构代表立面中的一个窗户，曲面代表建筑屋顶的一个面。
• 分割规则：每个分割应对应一个建筑组件的语义对象。
• 分割方法：为了避免个人偏好，采用Vo et al.提出的策略，由熟悉点云分割工作的人员独立进行分割。
• 数据集细分：
  • 参考数据集1：Townsquare场景有101个分割，St.Gallencathedral场景有66个分割。
  • 参考数据集2：Townsquare场景有101个分割，St.Gallencathedral场景有84个分割。

数据集获取

请联系Prof. Uwe Stilla, Dr. Ludwig Hoegner, 或 Yusheng Xu获取此数据集。

版权信息

数据集遵循Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License，与Semantic3D数据集的许可一致。

数据集来源

原始数据来源于ETH Zurich的Semantic3D数据集，由TUM的Photogrammetry & Remote Sensing手动分割。

引用信息

若使用此参考数据集，请参考以下出版物：

@article{xu2018unsupervised, title={Unsupervised segmentation of point clouds from buildings using hierarchical clustering based on gestalt principles}, author={Xu, Yusheng and Yao, Wei and Tuttas, Sebastian and Hoegner, Ludwig and Stilla, Uwe}, journal={IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing}, year={2018}, publisher={IEEE}, doi={10.1109/JSTARS.2018.2817227} }

搜集汇总

数据集介绍

构建方式

Building-Segmentation-Reference-Dataset的构建基于LiDAR点云数据的手动分割。该数据集从实验数据集中选取了两个子集作为地面真实值，并遵循固定的分割规则：每个分割段应对应于建筑组件的语义对象。例如，平面段代表建筑物的北墙，框架结构代表立面上的窗户，曲面则代表屋顶的一个面。为确保分割的客观性，数据集采用了Vo等人提出的策略，由熟悉点云分割工作的人员独立完成分割。最终，数据集1和数据集2分别包含了101和66、101和84个分割段。

特点

该数据集的特点在于其高精度的手动分割和语义标注。每个分割段均对应建筑组件的具体语义对象，如墙面、窗户或屋顶面，确保了数据的语义一致性。此外，数据集通过多人独立分割的方式，避免了个人偏好对结果的影响，进一步提升了数据的可靠性。数据集的来源为ETH Zurich的Semantic3D数据集，经过裁剪和手动分割后，形成了具有高度参考价值的地面真实数据。

使用方法

Building-Segmentation-Reference-Dataset的使用方法主要围绕点云分割算法的验证与优化展开。研究人员可通过该数据集评估其分割算法的性能，尤其是在建筑组件的语义分割任务中。数据集提供了详细的场景分割结果，用户可将其作为基准，对比算法输出的分割精度。此外，数据集还可用于训练深度学习模型，提升模型在建筑点云分割任务中的表现。使用该数据集时，需遵循Creative Commons Attribution-NonCommercial-ShareAlike 3.0许可协议，并引用相关文献。

背景与挑战

背景概述

Building-Segmentation-Reference-Dataset 是由慕尼黑工业大学摄影测量与遥感研究所（TUM）的Uwe Stilla教授、Ludwig Hoegner博士和Yusheng Xu等人于2018年创建的。该数据集主要用于建筑物点云分割的参考，旨在为建筑物组件的语义分割提供高质量的手动标注数据。数据集基于ETH Zurich的Semantic3D数据集进行裁剪和手动分割，涵盖了建筑物点云中的平面、框架结构和曲面等语义对象。该数据集的发布为建筑物点云分割算法的开发与评估提供了重要参考，推动了建筑物三维建模与遥感领域的研究进展。

当前挑战

Building-Segmentation-Reference-Dataset 的核心挑战在于建筑物点云分割的复杂性与多样性。建筑物点云通常包含大量噪声和不规则结构，如何准确分割出具有语义意义的组件（如墙壁、窗户和屋顶）是一个关键问题。此外，手动分割过程中，尽管采用了多人独立标注的策略以减少主观偏差，但不同标注者对建筑物组件的理解仍可能存在差异，这对数据集的标注一致性提出了较高要求。数据集的构建还面临点云数据量大、计算资源消耗高以及标注规则复杂等技术难题，这些挑战共同制约了建筑物点云分割研究的进一步发展。

常用场景

经典使用场景

Building-Segmentation-Reference-Dataset 数据集在建筑点云分割领域具有重要应用，尤其是在建筑物部件的语义分割任务中。该数据集通过手动分割的方式，为建筑物点云中的各个组件（如墙面、窗户、屋顶等）提供了精确的语义标签，成为评估和开发点云分割算法的基准工具。其经典使用场景包括建筑物三维重建、城市建模以及文化遗产保护等领域，为研究人员提供了高质量的参考数据。

解决学术问题

该数据集解决了建筑物点云分割中语义对象识别和分割精度不足的问题。通过提供手动标注的建筑物组件点云数据，研究人员能够更准确地评估和改进分割算法的性能。此外，数据集的多场景设计（如 Townsquare 和 St.Gallencathedral）为算法在不同环境下的鲁棒性测试提供了支持，推动了点云分割技术在复杂场景中的应用研究。

衍生相关工作

基于 Building-Segmentation-Reference-Dataset，许多经典研究工作得以展开。例如，Xu 等人提出的基于格式塔原理的无监督点云分割算法，利用该数据集验证了其方法的有效性。此外，该数据集还推动了点云分割技术在建筑物语义分割、三维重建以及场景理解等领域的进一步发展，成为相关研究的重要参考资源。