Public Geospatial Datasets

这是一个由JHU/APL团队开发的公开地理空间数据集的概述。我们感谢政府赞助商、工业和学术界的合作伙伴，特别是SpaceNet、IEEE DataPort和Amazon，他们免费托管这些大型数据集，以支持公共研究。

This is an overview of a publicly available geospatial dataset developed by the JHU/APL team. We extend our gratitude to government sponsors, as well as our partners from industry and academia, particularly SpaceNet, IEEE DataPort, and Amazon, for their generous hosting of these extensive datasets at no cost, thereby supporting public research endeavors.

原始信息汇总

数据集概述

IARPA SMART (2023)

• 目标：自动检测、表征和监控全球范围内的大规模人类活动。
• 技术：利用人工智能（AI）、计算机视觉（CV）和机器学习（ML）的最新技术。
• 访问：注释数据集的访问详情即将公布。

IARPA CORE3D Open Evaluation (2021)

• 目标：通过卫星图像进行城市3D建筑建模。
• 数据：2018年由IARPA发布的卫星图像数据。
• 平台：SpaceNet在AWS上托管。

NGA Overhead Geopose Challenge (2021)

• 目标：开发用于国家地理空间情报机构（NGA）的挑战。
• 数据：扩展自Urban Semantic 3D (US3D) 数据集。
• 解决方案：JHU/APL开发的基准解决方案。

IEEE GRSS Data Fusion Contest (2019)

• 目标：促进卫星图像的语义3D重建和立体视觉研究。
• 数据：DFC19数据集，可通过IEEE DataPort访问。

IARPA CORE3D Public Data (2018)

• 目标：支持与CORE3D项目目标一致的公共研究。
• 数据：DigitalGlobe卫星图像。
• 托管：SpaceNet在SpaceNet仓库中托管。

IARPA Functional Map of the World Challenge (2017)

• 目标：创建快速准确的建筑和土地使用分类算法。
• 数据：包含超过一百万张图像和一百万个注释点。
• 托管：GitHub仓库提供数据下载和基准算法。

USSOCOM Urban 3D Challenge (2017)

• 目标：发布大规模2D和3D数据集，用于机器学习研究。
• 数据：包含2D RGB和3D模型，覆盖超过360公里的地形。
• 托管：SpaceNet在SpaceNet仓库中托管。

IARPA Multi-View Stereo 3D Mapping Challenge (2016)

• 目标：从多视角卫星图像中生成精确的3D点云。
• 数据：提供近50张商业卫星图像，覆盖100平方公里。
• 托管：SpaceNet在SpaceNet仓库中托管。

搜集汇总

数据集介绍

构建方式

Public Geospatial Datasets的构建依托于多个政府、学术界和工业界的合作项目，涵盖了从地面到卫星的多层次影像数据。数据集的核心部分由约翰霍普金斯大学应用物理实验室（JHU/APL）和麻省理工学院林肯实验室（MIT Lincoln Laboratory）共同收集、校准和整理，确保了数据的精确性和一致性。这些数据通过IEEE DataPort、SpaceNet和Amazon等平台公开发布，旨在支持全球范围内的科研工作。数据集的构建过程中，特别注重了影像的多样性和复杂性，包括不同高度、不同分辨率的影像，以及缺乏元数据或存在噪声的影像的处理与校正。

特点

Public Geospatial Datasets以其广泛的覆盖范围和多样化的数据类型著称。数据集不仅包含了高分辨率的卫星影像，还涵盖了地面、空中和监视高度的影像，形成了一个多层次的立体数据网络。此外，数据集还特别强调了真实世界中的复杂场景，如稀疏影像、多种相机模型以及无约束的采集环境。这些特点使得该数据集成为研究3D建模、图像处理和地理空间分析的理想选择。数据集中的影像经过严格的校准和标注，确保了其在科研应用中的可靠性和可重复性。

使用方法

Public Geospatial Datasets的使用方法灵活多样，适用于多种科研场景。研究人员可以通过IEEE DataPort、SpaceNet和Amazon等平台免费获取数据，并根据需要进行下载和使用。数据集的使用不仅限于3D建模和图像处理，还可用于机器学习、计算机视觉和地理信息系统等领域的研究。为了帮助用户更好地理解和使用数据，数据集提供了详细的文档和基线代码，用户可以通过GitHub获取这些资源。此外，数据集还支持公开竞赛和挑战，用户可以通过CodaBench等平台参与，进一步推动相关领域的技术进步。

背景与挑战

背景概述

Public Geospatial Datasets是由约翰霍普金斯大学应用物理实验室（JHU/APL）团队开发的一系列公开地理空间数据集，旨在推动地理空间数据分析和三维建模领域的研究。该数据集涵盖了多个项目，包括IARPA的WRIVA、ULTRRA、SMART、CORE3D等，涉及从地面到卫星的多层次影像数据。这些数据集通过与SpaceNet、IEEE DataPort和Amazon等平台的合作，免费向公众开放，支持全球范围内的科研工作。自2016年以来，这些数据集在计算机视觉、机器学习和遥感技术等领域产生了深远影响，推动了三维重建、语义分割和地理空间分析等技术的发展。

当前挑战

Public Geospatial Datasets在解决地理空间数据分析和三维建模问题时面临多重挑战。首先，影像数据的多样性和复杂性，包括不同分辨率、视角和传感器类型，增加了数据处理的难度。其次，影像中可能缺乏元数据或存在噪声，这对精确的地理定位和三维重建提出了更高要求。此外，构建这些数据集时，研究人员需处理大规模数据的采集、校准和标注，确保数据的质量和一致性。这些挑战不仅考验了算法的鲁棒性，也对数据管理和存储技术提出了新的需求。

常用场景

经典使用场景

Public Geospatial Datasets在遥感与地理信息系统领域具有广泛的应用，尤其是在三维建模、卫星图像分析和地理空间数据融合方面。该数据集通过提供多源、多尺度的地理空间数据，支持研究人员进行高精度的三维重建和场景建模。例如，WRIVA项目利用有限的地面、空中和卫星图像，生成逼真的三维场景模型，为城市规划和灾害管理提供了重要参考。

解决学术问题

该数据集有效解决了地理空间数据领域中的多个学术难题，如多源数据融合、图像稀疏性处理以及无约束环境下的三维重建。通过提供丰富的标注数据和多样化的图像来源，研究人员能够开发出更先进的算法，提升图像解析和场景建模的精度。例如，ULTRRA挑战赛通过评估不同视角合成方法，推动了无约束环境下三维重建技术的发展。

衍生相关工作

该数据集衍生了许多经典研究工作，如IARPA的fMoW挑战赛和USSOCOM Urban 3D Challenge。这些工作不仅推动了卫星图像分类和三维建模技术的发展，还为相关领域的研究提供了丰富的基准数据。例如，fMoW挑战赛发布了迄今为止最大的公开卫星图像数据集，为计算机视觉和遥感技术的创新提供了重要支持。