三维点云开源数据集汇总

0.斯坦福大学的3D扫描存储库：是初学者用的比较多的数据集，模型居多；

1.悉尼城市目标数据集：扫描的常见城市道路对象，包括车辆，行人，树木等；

2.ASL 数据集：数据类型比较多，目标检测和点云配准的都有；

3.Large-Scale Point Cloud Classification Benchmark（大规模点云分类基准）：做大规模点云分类的，涵盖了各种各样的城市场景：教堂、街道、广场、村庄、城堡等；

4.RGB-D对象数据集：300个常见的家庭对象的大数据集，也有室内场景数据集；

5.纽约大学深度数据集：主要是室内场景（办公室，家庭环境等）的数据集；

6.IQmulus & TerraMobilita Contest：这是两个项目框架，收集的是巴黎密集城市环境的3D点云数据，由3亿点组成，可进行点云分割和分类；

7.Oakland 3-D Point Cloud Dataset（奥克兰 ）：美国卡耐基梅隆大学周围，激光扫描仪扫描得到，包含训练集，验证集和测试集数据；

8.The KITTI Vision Benchmark Suite：德国卡尔斯鲁厄理工学院的一个项目，利用无人车平台收集的大量城市环境的点云数据集，包含雷达，图像等的数据；

9.Robotic 3D Scan Repository：这个数据集比较适合做SLAM研究，包含了大量的Velodyne雷达数据；

10.三维点云分类的数据集：代表的有ModelNet(CVPR15)[ModelNet10; ModelNet40]，PartNet(CVPR19)，ScanObjectNN(ICCV19)

11.三维点云检测的数据集：代表的有KITTI(CVPR12)[3D Object Detection; BEV], ApolloScape(19)，Argoverse(CVPR19), A*3D(19), Waymo(19)

12.三维点云分割的数据集：代表的有Semantic3D(ISPRS17)[semantic-8; reduced-8], S3DIS(17), ScanNet(CVPR17), NPM3D(IJRR18), SemanticKITTI(ICCV19)
————————————————
原文链接：https://blog.csdn.net/MRZHUGH/article/details/109370388