HRHD-HK

HRHD-HK是由香港大学建筑学院创建的一个专注于高密度和高楼层城市场景的3D语义分割基准数据集。该数据集包含2.73亿个彩色摄影测量3D点，分布在150个瓦片中，覆盖香港的多样化城市环境。数据集的语义标签包括建筑、植被、道路、水体、设施、地形和车辆。HRHD-HK旨在通过引入亚洲高密度和高楼层城市场景以及亚热带自然景观，补充现有的基准数据集。数据集的创建过程涉及数据采集、数据整理、语义标注和训练-验证-测试分割四个步骤。HRHD-HK的应用领域包括智能城市应用，如机器人、自动驾驶和导航以及城市分析，旨在解决城市对象功能和形态的理解问题。HRHD-HK is a 3D semantic segmentation benchmark dataset created by the Faculty of Architecture, The University of Hong Kong, focusing on high-density and high-rise urban scenarios. This dataset contains 273 million colored photogrammetric 3D points, distributed across 150 tiles, covering the diverse urban environments of Hong Kong. Its semantic labels include buildings, vegetation, roads, water bodies, facilities, terrain, and vehicles. HRHD-HK aims to complement existing benchmark datasets by introducing Asian high-density and high-rise urban scenarios as well as subtropical natural landscapes. The creation of this dataset involves four steps: data acquisition, data organization, semantic annotation, and train-validation-test split. The application scenarios of HRHD-HK cover smart city applications such as robotics, autonomous driving, navigation, and urban analysis, aiming to address the challenge of understanding the functions and morphologies of urban objects.

搜集汇总

数据集介绍

构建方式

在三维语义分割领域，现有基准数据集多聚焦于低层建筑场景，难以全面评估算法在高密度高层城市环境中的性能。HRHD-HK数据集构建过程系统严谨，首先从香港规划署提供的真实感网格模型中选取150个图块，覆盖9.375平方公里典型高密度高层区域。通过数据清洗去除异常三角面片后，以每平方米10个点的密度采样生成约2.73亿个彩色点云。所有点云均采用香港1980网格坐标系进行地理配准，并由专业标注团队完成七类语义标注，最终通过人工平衡策略划分为训练集、验证集和测试集。

特点

该数据集的核心特征体现在其独特的地理形态代表性和数据完整性。作为首个专注于高密度高层城市场景的摄影测量点云基准数据集，HRHD-HK以香港为样本，平均建筑高度达38.5米，建筑覆盖率高达0.67，完美呈现亚洲超高密度城市的垂直空间结构。数据集包含2.73亿个具备RGB色彩信息的点云数据，涵盖建筑、植被、道路、水体、设施、地形及车辆七类精细化语义标签。其空间分布兼顾维多利亚港两岸密集城区与分散的丘陵地貌，为算法提供了多样化的城市形态测试环境。

使用方法

该数据集为三维点云语义分割算法的评估与优化提供了标准化测试平台。研究者可采用数据集中预设的104个训练图块、23个验证图块及23个测试图块进行模型训练与性能验证。使用前需进行0.15米的下采样预处理，并可根据需求选择体素化、投影或点云直接处理等不同架构的深度学习模型。实验表明，当前先进算法在小型城市要素（如设施、车辆）的识别上仍存在显著提升空间，该数据集特别适用于检验算法在复杂垂直城市环境中的泛化能力与鲁棒性。

背景与挑战

背景概述

在三维点云语义分割领域，现有基准数据集多集中于欧洲城市的低层建筑场景，难以全面评估算法在多样化城市形态下的性能。香港大学研究团队于2023年发布了HRHD-HK数据集，旨在填补高层高密度城市场景的数据空白。该数据集覆盖香港9.375平方公里区域，包含2.73亿个彩色摄影测量点云数据，标注了建筑、植被、道路等七类语义标签。作为首个专注于高层高密度城市的公开基准数据集，HRHD-HK为智能城市应用中的三维场景理解提供了关键数据支撑，推动了跨地域城市形态下算法泛化能力的研究。

当前挑战

HRHD-HK数据集致力于解决高层高密度城市环境中三维点云语义分割的独特挑战。在领域问题层面，高层建筑群的密集分布导致点云遮挡严重，小体积物体如设施、车辆在复杂空间结构中难以精准识别；多层级道路系统与建筑基座的视觉相似性加剧了分类混淆。构建过程中，研究团队面临海量点云数据标注的效率与质量控制难题，需通过专业标注与多重校验确保273百万点云的语义一致性；同时，数据需平衡不同景观要素的空间分布异质性，避免训练验证集出现类别偏差。

常用场景

经典使用场景

在三维点云语义分割领域，HRHD-HK数据集作为首个专注于高密度、高楼层城市环境的公开基准数据集，其经典使用场景在于为深度学习模型提供具有挑战性的训练与评估平台。该数据集覆盖香港典型的高层建筑群与密集城市景观，包含2.73亿个彩色摄影测量点，涵盖建筑、植被、道路等七类语义标签。研究者利用HRHD-HK能够系统测试点云分割算法在复杂城市形态中的泛化能力，特别是在高层建筑遮挡、小体积物体识别等难点场景下的表现。

实际应用

在实际应用层面，HRHD-HK数据集为智慧城市建设提供了关键数据支撑。其高精度语义分割结果可直接服务于自动驾驶导航、城市机器人感知、建筑信息建模等领域。例如，通过准确识别道路、建筑与设施，可优化城市交通流分析与应急路径规划；对植被与水体的分割则有助于生态环境监测与城市热岛效应研究。该数据集的高密度特性尤其适用于亚洲高楼层城市的数字化管理，为城市规划部门提供了可量化的三维空间分析工具。

衍生相关工作

基于HRHD-HK数据集，已衍生出多项经典研究工作，主要集中在三维点云分割算法的优化与创新。例如，研究者通过在该数据集上测试SparseConvUnet、KPConv、RandLA-Net等八种主流分割网络，揭示了现有方法在小物体识别上的局限性，进而推动了多尺度特征融合与注意力机制的改进。后续研究进一步结合Transformer架构，如StratifiedTransformer，提升了在密集场景中的分割精度。这些工作不仅深化了对高密度城市点云特性的理解，也为跨区域算法迁移提供了重要参考。