点击上方“3D视觉工坊”，选择“星标”
干货第一时间送达
本文是来自四季豆豆的的博客，主要是介绍各种数据集。
1、The Stanford 3D Scanning Repository（斯坦福大学的3 d扫描存储库）
链接：http://graphics.stanford.edu/data/3Dscanrep/
这应该是做点云数据最初大家用最多的数据集，其中包含最开始做配准的Bunny、Happy Buddha、Dragon等模型。
2、Sydney Urban Objects Dataset（悉尼城市目标数据集）
链接：http://www.acfr.usyd.edu.au/papers/SydneyUrbanObjectsDataset.shtml
这个数据集包含用Velodyne HDL-64E LIDAR扫描的各种常见城市道路对象，收集于澳大利亚悉尼CBD。含有631个单独的扫描物体，包括车辆、行人、广告标志和树木等。可以用来测试匹配和分类算法。
3、ASL Datasets Repository
链接：https://projects.asl.ethz.ch/datasets/doku.php?id=home
这个数据集包含的数据比较多类，由Automonous Systems Lab提供的数据，一般数据集都有对应发表的论文成果。下边只列出一些下载过，用过的。
（1）IORS2018：目标检测和匹配
（2）IJRR2012：测试点云配准算法
（3）ISER2016：可用作点云配准（有源码）
源码链接：https://github.com/ethz-asl/robust_point_cloud_registration
4、Large-Scale Point Cloud Classification Benchmark（大规模点云分类基准）
链接：http://www.semantic3d.net/
这个数据库是做大规模点云分类的，提供了一个大的自然场景标记的3D点云数据集，总计超过40亿点。涵盖了各种各样的城市场景：教堂、街道、铁路轨道、广场、村庄、足球场、城堡等等。
5、RGB-D Object Dataset（RGB-D对象数据集）链接：http://rgbd-dataset.cs.washington.edu/index.html
RGB-D对象数据集是300个常见的家庭对象的大数据集。该数据集是使用Kinect风格的3D相机记录的，该相机以30Hz记录同步和对齐的640x480RGB和深度图像。对于每个物体，有3个视频序列，每个视频序列用安装在不同高度的照相机记录，以便从与地平线的不同角度观察物体。除了300个对象的孤立视图之外，RGB-D对象数据集还包括22个带有注释的自然场景视频序列，其中包含来自数据集的对象。这些场景覆盖了常见的室内环境，包括办公室工作区、会议室和厨房区域。
6、NYU-Depth（纽约大学深度数据集）
链接：https://cs.nyu.edu/~silberman/datasets/
这个数据集应该也是大家比较熟悉的，包括NYU-Depth V1数据集和NYU-Depth V2数据集，都是由来自各种室内场景的视频序列组成，这些视频序列由来自Microsoft Kinect的RGB和Depth摄像机记录。
NYU-Depth V1数据集包含有64种不同的室内场景、7种场景类型、108617无标记帧和2347密集标记帧以及1000多种标记类型。
NYU-Depth V2数据集包含了1449个密集标记的对齐RGB和深度图像对、来自3个城市的464个新场景，以及407024个新的无标记帧。
7、
IQmulus & TerraMobilita Contest链接：http://data.ign.fr/benchmarks/UrbanAnalysis/#
该数据库包含来自巴黎（法国）密集城市环境的3DMLS数据，由3亿点组成。在该数据库中，对整个3D点云进行分割和分类，即每个点包含一个标签和一个类。因此，对检测-分割-分类方法进行逐点评估成为可能。这个数据库是在iQmulus和TerraMobilita项目的框架内产生的。它被法国国家制图局（IGN）开发的MLS系统“ Stereopolis II”收购。注释将由IGN的MATIS实验室手动辅助进行。
8、Oakland 3-D Point Cloud Dataset（奥克兰 ）
链接：http://www.cs.cmu.edu/~vmr/datasets/oakland_3d/cvpr09/doc/
这个数据库的采集地点是在美国卡耐基梅隆大学周围，数据采集使用Navlab11，配备侧视SICK LMS激光扫描仪，用于推扫。其中包含了完整数据集、测试集、训练集和验证集。
9、The KITTI Vision Benchmark Suite
链接：http://www.cvlibs.net/datasets/kitti/
这个数据集来自德国卡尔斯鲁厄理工学院的一个项目，其中包含了利用KIT的无人车平台采集的大量城市环境的点云数据集（KITTI），这个数据集不仅有雷达、图像、GPS、INS的数据，而且有经过人工标记的分割跟踪结果，可以用来客观的评价大范围三维建模和精细分类的效果和性能。
其中，该团队还介绍了一些相关的数据集，可以参考：
10、Robotic 3D Scan Repository
链接：http://kos.informatik.uni-osnabrueck.de/3Dscans/
这个数据集比较适合做SLAM研究，包含了大量的Riegl和Velodyne雷达数据。
本文仅做学术分享，如有侵权，请联系删文。
下载1
在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。
下载2
在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计汇总等。
下载3
在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。
重磅！3DCVer-学术论文写作投稿 交流群已成立
扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。
同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群。
一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。
▲长按加微信群或投稿
▲长按关注公众号
3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：
学习3D视觉核心技术，扫描查看介绍，3天内无条件退款
圈里有高质量教程资料、可答疑解惑、助你高效解决问题
觉得有用，麻烦给个赞和在看~
3Ｄ视觉工坊 认证博客专家 算法 3D视觉 个人公众号：３D视觉工坊。公众号特邀嘉宾及合伙人，先后就职于国内知名研究机构、自动驾驶公司、海康研究院，主要研究方向为深度学习、目标检测、语义分割、图像处理、自动驾驶感知算法等，博客专家。博主先后任职于国内知名研究院、知名大厂，致力于3D视觉算法、VLAM算法开发，涉及相机标定、手眼标定、结构光、点云后处理、三维重建等相关领域的研究，同时也是博客专家。3D视觉工坊坚持原创，近一年来输出了非常多的高质量文章，获得了粉丝的一致好评，我们将始终坚持走原创路线，打造一个铁杆粉丝的聚集区。