iBims-1
100 RGB-D image pairs of various indoor scenes
https://www.bgu.tum.de/lmf/ibims1/
下载链接
https://dataserv.ub.tum.de/index.php/s/m1455541
NYU Depth Dataset V2（激光雷达）
1449 densely labeled pairs of aligned RGB and depth images
https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html
NYU Depth V2 数据集是由来自各种室内场景的视频序列组成的数据集
拥有 1449 个密集标记的对齐 RGB 和深度图像，从 3 个城市拍摄的 464 个新场景
https://hyper.ai/datasets/5376
KITTI（激光雷达）
目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该数据集用于评测立体图像(stereo)，光流(optical flow)，视觉测距(visual odometry)，3D物体检测(object detection)和3D跟踪(tracking)等计算机视觉技术在车载环境下的性能。
超过200k 3D标注物体的图像组成
http://www.cvlibs.net/datasets/kitti/raw_data.php
93,000个深度图，具有相应的原始LiDaR扫描和RGB图像，与KITTI数据集的“原始数据”对齐。
https://blog.csdn.net/yimagudao/article/details/82529994
整个数据集由389对立体图像和光流图
https://cloud.tencent.com/developer/article/1163631
带注释的深度图数据集（14 GB）
预计的原始LiDaR扫描数据集（5 GB）
手动选择的验证和测试数据集（2 GB）
开发套件（48 K）开发套件（48 K）
https://www.datablog.top/2018/09/07/KITTI%E6%95%B0%E6%8D%AE%E9%9B%86/
http://www.jeepshoe.net/art/26846.html
下载链接
http://www.cvlibs.net/datasets/kitti/eval_depth.php?benchmark=depth_prediction
Middlebury Stereo Datasets（视差图）
71个数据
http://vision.middlebury.edu/stereo/data/
Make3D（激光雷达）
959个数据，大部分户外场景
http://make3d.cs.cornell.edu/data.html
MegaDepth
包含了196个知名景点的网络数据
大约100K的图像
http://www.cs.cornell.edu/projects/megadepth/
https://zhuanlan.zhihu.com/p/39053922
ReDWeb V1 dataset
3.6K个数据
https://sites.google.com/site/redwebcvpr18
大规模3D数据集ScanNet（Google）
约1500个RGB-D的视频序列
数据标注是在一个给定的 3D 场景中，绘制出物体，例如，绘制一个椅子、桌子或者计算机，从而了解什么是什么，以及所在位置。每个图像通常需要 5 个人来标注。所得数据可以在做物体分类这样的训练任务时，作为标准参考。
http://www.sohu.com/a/159865714_114877
得签一个协议，然后给作者发邮件，作者给你回复数据的链接。
https://bbs.csdn.net/topics/392482550
链接
https://github.com/ScanNet/ScanNet
协议
http://kaldir.vc.in.tum.de/scannet/ScanNet_TOS.pdf
MPI Sintel
源自一个开源的动画3D短电影，1064张图片
http://sintel.is.tue.mpg.de/
Scene Flow Datasets数据集： FlyingThings3D, Driving, Monkaa
https://blog.csdn.net/zz2230633069/article/details/92838002
The collection contains more than 39000 stereo frames in 960x540 pixel resolution
https://lmb.informatik.uni-freiburg.de/resources/datasets/SceneFlowDatasets.en.html
来源：CSDN
作者：WX_Chen
链接：https://blog.csdn.net/kl1411/article/details/103805255