Semantic3d. net

3D点云分类是机器人技术，增强现实和城市规划中的重要任务。机器学习和计算机视觉的最新进展已经证明，复杂的现实任务需要大量的训练数据集来进行分类器训练。同时，到目前为止，还没有用于3D点云分类的数据集，这些数据集在对象表示形式和标记点的数量上都足够丰富。例如，众所周知的奥克兰数据集包含少于200万个标记点。另一个流行的数据集NYU基准测试仅提供室内场景。最后，悉尼城市物体数据集和IQmulus & TerraMobilita竞赛都使用安装在汽车上的3D Velodyne激光雷达，其点密度比静态扫描仪低得多。Vaihingen3D机载基准的计数相同。

搜集汇总

背景与挑战

背景概述

Semantic3d.net是一个用于3D点云分类的大规模公开数据集，由苏黎世联邦理工学院于2016年发布，大小为24.0GB。该数据集专注于室外场景，提供丰富的对象表示和高点密度，旨在弥补其他数据集（如奥克兰、NYU和悉尼数据集）在点数量、场景覆盖和点密度方面的局限性，适用于机器人、增强现实和城市规划等任务。