点云配准真实数据

回眸只為那壹抹淺笑 提交于 2020-01-19 23:02:37

在验证算法鲁棒性的时候用到了一些数据集,做一下总结。

  • kitti数据集:自动驾驶

Are we ready for autonomous driving? the KITTI vision benchmark suite.(2012 CVPR)
这个文章中介绍了Kitti数据集,他公开了很多详细的坐标转换函数和readme,认真去看就能处理出来。

http://www.cvlibs.net/datasets/kitti/index.php

  • 百度Apollo数据集:自动驾驶

百度在加州南湾采集的真实公路数据,看到他们自己的文章在用。

DeepVCP An End-to-End Deep Neural Network for 3D Point Cloud Registration(2019 ICCV)

L3-Net: Towards learning based LiDAR localization for autonomous driving (2019 CVPR)

自己写过一个文章总结了下,细节上还是有些问题没搞清,不过百度这个数据集采集的好像比Kitti更加精确。

https://mp.csdn.net/postedit/102973999

  • Stanford Lounge 

一个斯坦福休息室的数据,看到下面两个文章再用,要从深度视频提取深度图,再转换成点云,这点没问题,真值,关键是真值,从局部坐标系变换到世界坐标系,两个差距太大,最后也不知道怎么用,问了没人回复了。

Fast and Accurate Point Cloud Registration using Trees of Gaussian Mixtures(2018 CVPR)

FilterReg Robust and Efficient Probabilistic Point-Set Registration using Gaussian Filter and Twist Parameterization(2019 CVPR)

数据链接:http://qianyi.info/scenedata.html

  • 3D model of the office scene

办公室场景的扫描,数据链接:https://www.microsoft.com/en-us/research/project/rgb-d-dataset-7-scenes/

提到的文章 Go-ICP: A Globally Optimal Solution to 3D ICP Point-Set Registration(2015 PAMI)

  • 超多三维重建的真实数据

从文章:An Adaptive Data Representation for Robust Point-Set Registration and Mergin(2015 ICCV)中发现了这个网站,里面有超多三维重建的真实场景数据集,我选用了它文章提到的两个。

数据链接:http://kos.informatik.uni-osnabrueck.de/3Dscans/

 

总结:处理数据真的是让我心力憔悴,很多不一样的数据格式要转换出来,然后去验证它的真值,汗。等这阵忙完了把自己处理点云数据的思路写个文章吧,包含pcd,ply,stl,wrl,txt等等怎么转换。

标签
易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!