building-dataset

该数据集包含卫星图像和建筑足迹的注释（OSM形状文件）以及建筑高度数据（LIDAR），用于训练计算机视觉算法以从图像中确定建筑物的体积。

This dataset comprises satellite imagery and annotations of building footprints (OSM shapefiles) along with building height data (LIDAR), designed to train computer vision algorithms for determining the volume of buildings from images.

原始信息汇总

数据集概述

数据集名称

• building-dataset

数据集目的

• 用于训练计算机视觉算法，从高分辨率卫星图像中确定建筑物的体积。

数据集内容

• 包含高分辨率卫星图像及其注释，包括建筑足迹（OSM shapefile）和建筑高度数据（LIDAR）。

数据集格式

• 数据集可用于生成计算机视觉算法训练的基准真相。
• 处理后的数据格式为Matlab可读的.csv和.mat文件。

数据集获取

• 数据集可通过FigShare获取，链接为https://dx.doi.org/10.6084/m9.figshare.c.3290519。

数据处理代码

• 提供了处理地理shapefile和LIDAR数据的代码，包括：
  • runLIDAR.m：处理LIDAR数据，将其插值到栅格网格并保存高度值。
  • runbuildings.m：处理建筑shapefile，添加像素坐标并保存多边形信息。
  • runroads.m：处理道路shapefile，添加像素坐标并保存折线信息。
  • VisualizationCode.m：用于可视化输出，叠加不同图像。

辅助函数

• 处理过程中需要下载的辅助函数包括：
  • processUSGS.m：读取正射影像信息。
  • processLIDAR.m：将原始LIDAR数据栅格化以适应正射影像的像素网格。
  • coord2pix.m：将经纬度转换为像素索引。
  • cell2csv.m：将单元格数组转换为csv文件。

搜集汇总

数据集介绍

构建方式

该数据集的构建依托于高分辨率卫星影像与激光雷达（LIDAR）技术，结合开放街道地图（OSM）的建筑轮廓数据，形成了多源数据融合的基础。通过将卫星影像与LIDAR数据对齐，生成了建筑高度信息，并利用OSM提供的建筑轮廓形状文件，进一步标注了建筑的地理位置。数据处理过程中，通过Matlab脚本将原始地理数据转换为可读的.csv和.mat文件，确保了数据的可操作性与兼容性。

特点

该数据集的核心特点在于其多源数据的整合与高精度标注。卫星影像提供了高分辨率的视觉信息，LIDAR数据则精确捕捉了建筑的高度信息，而OSM形状文件则为建筑轮廓提供了地理空间参考。这种多模态数据的结合，使得该数据集能够作为计算机视觉算法的训练基础，用于从图像中推断建筑的体积。此外，数据集还提供了详细的代码与处理工具，便于用户对数据进行进一步的分析与可视化。

使用方法

使用该数据集时，用户需首先下载并配置相关的Matlab脚本与辅助函数。通过运行runLIDAR.m脚本，用户可以将LIDAR数据插值到栅格网格中，并生成建筑高度矩阵。runbuildings.m和runroads.m脚本则分别用于处理建筑轮廓和道路形状文件，将其转换为像素坐标并保存为.mat和.csv文件。最后，通过VisualizationCode.m脚本，用户可以对处理后的数据进行可视化，叠加不同图层以进行进一步分析。

背景与挑战

背景概述

building-dataset数据集由高分辨率卫星图像、建筑物足迹标注（OSM shapefiles）以及建筑物高度数据（LIDAR）构成，旨在通过计算机视觉算法从卫星图像中估算建筑物的体积。该数据集由多个研究机构合作构建，发布于FigShare平台，主要用于城市规划和经济学研究等领域。其核心研究问题在于如何从遥感数据中提取建筑物的三维信息，为自动化对象识别提供了重要的基础数据支持。该数据集的发布推动了计算机视觉与遥感技术的结合，为相关领域的研究提供了宝贵的实验数据。

当前挑战

building-dataset数据集在解决建筑物体积估算问题时面临多重挑战。首先，高分辨率卫星图像与LIDAR数据的融合需要精确的配准和插值处理，以确保数据的一致性和准确性。其次，建筑物足迹标注的复杂性增加了数据处理的难度，尤其是在处理不规则形状建筑物时。此外，数据集的构建过程中，如何将地理坐标转换为像素坐标并保持空间信息的完整性，也是一个技术难点。这些挑战不仅影响了数据集的构建效率，也对后续算法的训练和验证提出了更高的要求。

常用场景

经典使用场景

在建筑体积估算领域，building-dataset数据集通过结合高分辨率卫星图像和LIDAR数据，为计算机视觉算法提供了精确的训练基础。该数据集广泛应用于建筑体积的自动识别与计算，特别是在城市规划和地理信息系统（GIS）中，为研究者提供了从图像中提取建筑体积的有效工具。

解决学术问题

该数据集解决了从高分辨率卫星图像中自动提取建筑体积的难题，为计算机视觉和遥感领域的研究提供了重要的数据支持。通过结合LIDAR数据和建筑足迹标注，研究者能够更准确地训练算法，从而提升建筑体积估算的精度，推动了城市规划和地理信息系统的技术进步。

衍生相关工作

基于building-dataset数据集，许多经典研究工作得以展开。例如，研究者开发了基于深度学习的建筑体积估算模型，进一步提升了算法的精度和效率。此外，该数据集还被用于研究城市热岛效应和能源消耗模式，为可持续城市发展提供了重要的数据支持。