TS40K|电网检查数据集|点云处理数据集

TS40K是一个从LiDAR扫描中收集的3D点云数据集，专门用于研究和开发点云分割和分类，特别关注电网检查和安全。数据集使用无人机搭载的LiDAR传感器从鸟瞰视角收集，并以.las格式保存。数据集分为三种样本类型：塔周围环境、电力线和无塔环境。每种样本类型的平均长度分别为70米、100米和90米。

原始信息汇总

TS40K Dataset - 农村环境输电网络系统的3D点云数据集

概述

TS40K是一个从LiDAR扫描中获得的3D点云数据集，专为点云分割和分类研究与开发设计，特别关注电网检查和安全。

数据集描述

数据通过UAV搭载的LiDAR传感器从鸟瞰视角收集，并以.las格式保存。数据分为三种样本类型：

• Tower-radius: 包括电力线支撑塔周围的环境，提供与塔位置相关的周围环境的全面视图。
• Power-line: 主要关注电力线，包含两侧的塔。这种样本类型提供了电力线及其支撑结构的空间关系。
• No-tower: 代表没有支撑塔的农村地形，可能包括电力线。这种样本类型提供了传输基础设施缺失区域的上下文。

每种样本类型的平均长度分别为70米、100米和90米。

数据格式

原始.las扫描处理后，数据以字典形式存储在.pt格式中，包含以下内容： python sample_dict = { type : sample_type, # str in [tower_radius, 2_towers, no_tower] input_pcd : input, # torch.tensor with shape (N, 3) semantic_labels : labels[None], # torch.tensor with shape (N, 1) obj_boxes: obj_boxes # list of dicts with keys: [class_label, position, dimensions, rotation] }

数据组织

/TS40K-Dataset/TS40K-FULL/ └── tower_radius/ | └── fit/ | ├ sample_x.pt | └ sample_y.pt | ... | └── test/ | ...
└── 2_towers/ | └── fit/ | └── test/ └── no_tower/ | └── fit/ | └── test/

如何下载

要访问TS40K数据集，请通过电子邮件向数据所有者请求访问权限：

• André Coelho: [e-mail]
• Ricardo Santos: [e-mail]

免责声明: 该数据集仅用于学术研究目的。要访问数据，请使用您机构的电子邮件地址联系数据所有者。未经数据所有者事先同意，不得将数据集用于商业用途。

引用

我们的工作已被WACV 2025接受，一旦可用，请考虑引用我们的工作！目前，我们提供ArXiv 论文。

@article{lavado2024ts40k, title={TS40K: a 3D Point Cloud Dataset of Rural Terrain and Electrical Transmission System}, author={Lavado, Diogo and Soares, Cl{a}udia and Micheletti, Alessandra and Santos, Ricardo and Coelho, Andr{e} and Santos, Jo{~a}o}, journal={arXiv preprint arXiv:2405.13989}, year={2024} }

AI搜集汇总

数据集介绍

构建方式

TS40K数据集通过搭载于无人机上的LiDAR传感器，从鸟瞰视角采集了传输网络系统的三维点云数据。这些数据以.las格式保存，并经过处理后存储为.pt格式的字典。数据集根据传输网络的拓扑结构，被细分为三种样本类型：塔周环境（Tower-radius）、双塔间的输电线（Power-line）以及无塔的乡村地形（No-tower）。每种样本类型的平均长度分别为70米、100米和90米，确保了数据的多样性和覆盖范围。

特点

TS40K数据集的显著特点在于其高密度的点云数据、无遮挡的物体观测以及均匀的物体密度，这些特性得益于无人机采集的鸟瞰视角。此外，数据集的分类设计使得研究者能够专注于不同类型的传输网络结构，从而为点云分割和分类任务提供了丰富的训练和测试数据。

使用方法

使用TS40K数据集时，研究者可以通过Pytorch或Lightining框架中的DataLoaders和Data Modules轻松加载数据。数据以字典形式存储，包含样本类型、输入点云、语义标签以及物体边界框信息。数据集的组织结构清晰，分为训练和测试子集，便于模型的训练和评估。

背景与挑战

背景概述

TS40K数据集是由LiDAR扫描技术获取的3D点云数据集，专门为农村环境中的输电网络系统检查和安全研究而设计。该数据集由André Coelho和Ricardo Santos等研究人员创建，主要用于点云分割和分类的研究与开发。通过无人机搭载的LiDAR传感器，从鸟瞰视角收集数据，确保了高点的密度、无遮挡及均匀的对象密度，从而为学习模型提供了优质的数据特征。TS40K数据集的发布，极大地推动了电力网络检查和安全领域的研究进展，为相关领域的学者和工程师提供了宝贵的数据资源。

当前挑战

TS40K数据集在构建过程中面临多项挑战。首先，数据采集依赖于无人机技术，这要求在复杂和多变的农村环境中确保数据采集的稳定性和准确性。其次，数据集的分割和分类任务复杂，需要处理大量的点云数据，并确保不同样本类型（如塔周围环境、输电线和无塔区域）的准确区分。此外，数据集的存储和处理格式（如.las和.pt格式）也带来了技术上的挑战，要求高效的算法和计算资源来处理和分析这些数据。最后，数据集的访问和使用受到严格的学术研究限制，这限制了其在商业领域的应用，同时也增加了数据管理的复杂性。

常用场景

经典使用场景

TS40K数据集在电力传输网络系统的3D点云分割与分类研究中展现了其经典应用。通过无人机搭载的LiDAR传感器，该数据集从鸟瞰视角捕捉了农村环境中的传输网络系统，提供了高密度的点云数据，有效避免了物体遮挡问题。这一特性使得TS40K数据集在训练和验证点云处理模型时，能够显著提升模型的精度和鲁棒性。

实际应用

TS40K数据集在电力传输网络的实际应用中具有重要价值。通过无人机搭载的LiDAR传感器，该数据集能够高效地获取电力线路及其周边环境的3D点云数据，为电力网络的巡检和维护提供了技术支持。其高精度的点云分割与分类能力，有助于及时发现和处理电力网络中的安全隐患，保障电力系统的稳定运行。

衍生相关工作

TS40K数据集的发布催生了多项相关研究工作。基于该数据集，研究人员开发了多种点云处理算法，显著提升了电力传输网络的巡检效率和安全性。此外，TS40K数据集还激发了在其他领域，如农业监测和环境评估中，应用3D点云技术的研究兴趣，推动了点云数据处理技术的跨领域应用。