five

TS40K

收藏
github2024-12-04 更新2024-12-06 收录
下载链接:
https://github.com/dlavado/TS40K
下载链接
链接失效反馈
官方服务:
资源简介:
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。

TS40K is a 3D point cloud dataset collected from LiDAR scans, tailored for research and development of point cloud segmentation and classification, with a special emphasis on power grid inspection and safety. The dataset was collected using a drone-mounted LiDAR sensor from a bird's-eye view, and stored in the .las file format. It is divided into three sample categories: environments surrounding transmission towers, power lines, and tower-free scenarios. The average lengths of each sample category are 70 meters, 100 meters, and 90 meters respectively.
创建时间:
2024-11-15
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: Andre.Coelho@edp.com
  • Ricardo Santos: RICARDOVIEIRA.SANTOS@edp.com

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} }

搜集汇总
数据集介绍
main_image_url
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。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作