点击进入—>3D视觉工坊学习交流群

1、KITTI数据集

年份：2012年；

作者：Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago；

场景数：约50个，室外场景；

类别数：共9类，分别是Car，Van，Truck，Pedestrian，Person_sitting，Cyclist，Tram，Misc，DontCare；

是否360°采集：否；

数据总量：包括7481张训练集，7518张测试集，以及其对应的点云数据；

标注总数：约200,000个3D标注框；

传感器型号：GPS/IMU型号为OXTS RT 3003，激光雷达型号为Velodyne HDL-64E，灰度相机型号为FL2-14S3M-C，彩色相机型号为FL2-14S3C-C，激光雷达的频率为10帧/秒，每次循环大约捕捉100,000个点，相机快门时间最快2ms，且使用激光雷达触发相机拍摄，因此相机频率与激光雷达频率持平；

数据集链接：https://www.cvlibs.net/datasets/kitti/index.php；

简介：KITTI是自动驾驶领域最重要的数据集之一，提供了大量的真实场景数据，用来更好的度量和测试算法的表现。除3D目标检测外，KITTI数据集还可用于评测立体图像，光流，视觉测距，3D跟踪等计算机视觉技术在车载环境下的性能。每张图像中最多达15辆车和30个行人目标，同时包含了各种程度的遮挡与截断。

2、nuScenes数据集

年份：2019年；

作者：nuTonomy；

场景数：约1000个场景，室外场景，采集自Boston和Singapore；

类别数：共23类，包括Car，Pedestrian，Bus，Bicycle等；

是否360°采集：是；

数据总量：包括40,000张图像数据，及其对应的点云数据；

标注总数：约1400,000个3D标注框；

传感器型号：共配备了6个相机型号为Basler acA1600-60gc，分辨率均为1600x900，除了背面的相机FOV为110°，其他的5个相机的FOV为70°，前置相机和侧面相机的视野中线角度为55度，相机采集速率为12Hz，使用了一个32线的LiDAR，型号为Velodyne HDL32E，采集频率为20Hz，还配置了5个Radar型号为Continental ARS 408-21，以及一个GPS/IMU型号为Advanced Navigation Spatial；

数据集链接：https://www.nuscenes.org/nuscenes#overview；

简介：nuScenes是自动驾驶领域最重要的数据集之一，相比KITTI数据集，nuScenes规模更大，同时记录了雷达数据（采集自Radar）。数据集由1000个场景组成，每个场景长度为20秒。在每一个场景中，有40个关键帧，也就是每秒有2个关键帧，其他的帧为sweeps。关键帧经过手工的标注，每一帧中都包含若干个annotation，标注的形式为bounding box，不仅标注了大小、范围、还有类别、可见程度等。这个数据集在样本的数量上、标注的形式上都非常好，记录了车的自身运动轨迹（相对于全局坐标），包含了非常多的传感器，可以用来实现更加智慧的识别算法和感知融合算法。

3、Waymo数据集

年份：2020年；

作者：Waymo LLC和Google LLC

场景数：共1150个场景，主要采集自San Francisco，Mountain View，Phoenix等；

类别数：共4类，分别是Vehicles，Pedestrians，Cyclists及Signs；

是否360°采集：是；

数据总量：共包含 2030个片段，每个片段长度为20秒；

标注总数：约12,600,000个3D标注框；

传感器型号：包含1个mid-range LiDAR，4个short-range LiDARs，5个相机（前置及侧面），同时LiDAR和相机是经过同步和标定处理过的；

数据集链接：https://waymo.com/open/；

简介：Waymo是自动驾驶领域最重要的数据集之一，规模很大，主要用以支持自动驾驶感知技术的研究。Waymo主要由两个数据集组成，Perception Dataset及Motion Dataset。其中，Perception Dataset包含3D标注，2D全景分割标注，关键点标注，3D语义分割标注等。Motion Dataset主要用于交互任务的研究，共包含103,354个20s片段，标注了不同物体及对应的3D地图数据。

4、Lyft L5数据集

年份：2019年；

作者：Woven Planet Holdings；

场景数：共1805个场景，室外；

类别数：共9类，包括Car，Pedestrian，traffic lights等；

是否360°采集：是；

数据总量：包括46,000张图像数据，及其对应的点云数据；

标注总数：约1300,000个3D标注框；

传感器型号：包括2个LiDARs，分别是40线和64线，安装在车顶及保险杠上，其分辨率为0.2°，在10Hz下采集约216,000个点。此外，还包括6个360°相机和1个长焦相机，摄像机与LiDAR采集频率一致。

数据集链接：https://level-5.global/data/；

简介：Lyft L5是一整套L5级自动驾驶数据集，据称“业内最大的自动驾驶公共数据集”，涵盖了Prediction Dataset及Perception Dataset。其中Prediction Dataset涵盖了自动驾驶测车队在Palo Alto沿线遇到的各类目标，如Cars，Cyclists和Pedestrians。Perception Dataset则涵盖了自动驾驶车队装置的LiDARs和摄像机采集的真实数据，并通过人工方式标注了大量的3D边界框。

5、H3D数据集

年份：2019年；

作者：Honda Research Institute；

场景数：共160个场景，室外；

类别数：共8类；

是否360°采集：否；

数据总量：包括27,000张图像数据，及其对应的点云数据；

标注总数：约1100,000个3D标注框；

传感器型号：共配备了3个相机型号为Grasshopper 3，分辨率均为1920x1200，除了背面的相机FOV为80°，其他的2个相机的FOV为90°，使用了一个64线的LiDAR，型号为Velodyne HDL64E S2，以及一个GNSS+IMU型号为ADMA-G；

数据集链接：http://usa.honda-ri.com/H3D；

简介：本田研究所于2019年3月发布其无人驾驶方向数据集H3D。该数据集使用3D LiDAR扫描仪收集的包括3D多目标检测和跟踪数据，包含160个拥挤且高度互动的交通场景，在27,721帧中有超过100万个标记实例。

6、ApplloScape数据集

年份：2019年；

作者：Baidu Research；

场景数：共103个场景，室外；

类别数：共26类，包括small vehicles，big vehicles，pedestrian，motorcyclist等；

是否360°采集：否；

数据总量：包括143,906张图像数据，及其对应的点云数据；

标注总数：标注总数未知；

传感器型号：共配置了2个VUX-1HA laser scanners，6个VMX-CS6相机（其中两个前置相机分辨率为3384x2710），还有一个IMU/GNSS设备；laser scanners利用两束激光来扫描其周围环境，与常用的Velodyne HDL64E相比，scanner可以获得更高密度的点云，同时具备更高精度（5mm/3mm）；

数据集链接：http://apolloscape.auto/index.html；

简介：ApolloScape由RGB视频和对应的稠密点云组成。包含超过140K张图片，并且每张图片都有像素级的语义信息。在国内采集的数据，所以相比于国外的一些数据集，ApolloScape数据集包含的交通场景较复杂，各类目标数量较多，且与KITTI数据集类似，同样包含Easy，Moderate，Hard三个子集。

7、Argoverse数据集

年份：2019年；

作者：Argo AI等；

场景数：共113个场景，室外，包括USA，Pennsylvania，Miami，Florida等；

类别数：共15类，包括Vehicle，Pedestrian，Stroller，Animal等；

是否360°采集：是；

数据总量：包括44,000张图像数据，及其对应的点云数据；

标注总数：约993,000个3D标注框；

传感器型号：与KITTI及nuScenes相似，Argoverse数据集配置了两个32线LiDAR传感器，型号为VLP-32。同时，包括7个高分辨率环视相机，分辨率为1920x1200，2个前置相机，分辨率为2056x2464；

数据集链接：https://www.argoverse.org/；

简介：Argoverse中的数据来自Argo AI的自动驾驶测试车辆在迈阿密和匹兹堡（这两个美国城市面临不同的城市驾驶挑战和当地驾驶习惯）运行的地区的子集。包括跨不同季节，天气条件和一天中不同时间的传感器数据或“日志段”的记录，以提供广泛的实际驾驶场景。其包含了共113个场景的3D跟踪注释，每个片段长度为15-30秒，共计包含11052个跟踪目标。其中，70%的标注对象为车辆，其余对象为行人、自行车、摩托车等；此外，Argoverse包含高清地图数据，主要囊括匹兹堡和迈阿密290公里的车道地图，如位置、连接、交通信号、海拔等信息。

8、Matterport3D数据集

年份：2017年；

作者：Princeton University，Stanford University等；

场景数：共90个建筑物，室内场景；

数据总量：共194,400张RGB-D图像，10,800个全景图像，24,727,520个纹理三角面；

传感器型号：Matterport的数据获取，使用了三脚架固定的相机设备，有3个彩色相机和3个深度相机，分布在上中下。对于每个全景，它需要沿着垂直方向旋转到6个不同的方向（也就是60度拍一下），每个彩色相机都要拍高动态范围图像。当相机旋转时，3个深度相机持续拍摄数据，整合生成1280x1024的深度图像，与每幅彩色照片进行配准。每个全景图像是由18个彩色图片组成，中心点正好是拍摄人员的高度。

数据集链接：https://niessner.github.io/Matterport/#explore；

简介：Matterport3D，是一个大规模的RGB-D数据集。提供了表面重建、相机姿态以及二维和三维语义分割标注。Matterport3D具有的精确全局对准和全面的、多样的、覆盖整个建筑物的全景集，使得各种计算机视觉任务成为可能，包括keypoint matching、view overlap prediction、normal prediction、semantic segmentation, scene classification等；

Reference

[1] https://blog.csdn.net/weixin_40994913/article/details/83663270；

[2] 3D Object Detection for Autonomous Driving: A Survey，Pattern Recognition；

[3] https://gas.graviti.com/open-datasets?usedScene=Autonomous+Driving&from=cn&page=2；

本文仅做学术分享，如有侵权，请联系删文。

点击进入—>3D视觉工坊学习交流群

干货下载与学习

后台回复：巴塞罗那自治大学课件，即可下载国外大学沉淀数年3D Vison精品课件

后台回复：计算机视觉书籍，即可下载3D视觉领域经典书籍pdf

后台回复：3D视觉课程，即可学习3D视觉领域精品课程

3D视觉工坊精品课程官网：3dcver.com

1.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
2.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
3.国内首个面向工业级实战的点云处理课程
4.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
5.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
6.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
7.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

8.从零搭建一套结构光3D重建系统[理论+源码+实践]

9.单目深度估计方法：算法梳理与代码实现

10.自动驾驶中的深度学习模型部署实战

11.相机模型与标定(单目+双目+鱼眼）

12.重磅！四旋翼飞行器：算法与实战

13.ROS2从入门到精通：理论与实战

14.国内首个3D缺陷检测教程：理论、源码与实战

15.基于Open3D的点云处理入门与实战教程

16.透彻理解视觉ORB-SLAM3：理论基础+代码解析+算法改进

重磅！粉丝学习交流群已成立

交流群主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、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、ORB-SLAM系列源码交流、深度估计、TOF、求职交流等方向。

扫描以下二维码，添加小助理微信（dddvision）,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，微信号：dddvision

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、源码分享、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答等进行深耕，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，4000+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、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~