3D 點雲數據集整理分析

1. 參考文章

1.1. PU-Net

Since there are no public benchmarks for point cloud upsampling, we collect a dataset of 60 different models from the Visionair repository. ... We randomly select 40 for training, and use the rest for testing.

訓練數據集：Visionair repository.OFF

• 數據來源：http://www.infra-visionair.eu/

• 下載地址：https://github.com/yulequan/PU-Net readme 中

• 特點：網格質量較高，完整，沒有孔等

測試數據集：ModelNet40.OFF、ShapeNet.PTS

• 數據來源：https://vision.princeton.edu/projects/2014/3DShapeNets/ 、https://www.shapenet.org/
• 下載地址：BaiduNetDisk、kaggle
• 特點：ModelNet - 網格質量較低(有孔孔，點密度太低且大多模型根據邊信息才能看出結構等) ; ShapeNet - 純點集，接近訓練數據集，格式需要修改才能在 MeshLab 中查看。

1.2. EAR

vcg 版本算法實現中，讀取的是 PLY 文件。且 PLY 文件中 edge、face 數量為 0。

CGAL 版本算法實現中，可讀取多種格式。

程序可處理的數據格式：

• vcg 版本 .PLY - https://www.dropbox.com/s/qb1sf04efa829nz/Point Cloud Procesing 1.0.zip?dl=0
• CGAL 版本 .XYZ、.OFF、.PLY、.LAS。- http://doc.cgal.org/latest/Point_set_processing_3/

2. 數據集簡介

2.1 Visionair repository

數據格式：.OFF

數據特點：點雲規整，質量較高

部分樣例：

2.2 ModelNet

數據格式：.OFF

數據特點：結構簡單，不適合做點雲數據集，模型結構更多通過邊來體現

部分樣例：

2.3 ShapeNet

This dataset provides part segmentation to a subset of ShapeNetCore models, containing ~16K models from 16 shape categories. The number of parts for each category varies from 2 to 6 and there are a total number of 50 parts.

數據格式：.PTS

數據特點：純點集，有類型標注，點雲較為稀疏

部分樣例：

References

• PU-Net http://openaccess.thecvf.com/content_cvpr_2018/html/Yu_PU-Net_Point_Cloud_CVPR_2018_paper.html
• Edge-Aware Point Set Resampling http://www.shihaowu.net/
• ModelNet https://vision.princeton.edu/projects/2014/3DShapeNets/
• ShapeNet https://www.shapenet.org/
• 開源數據集匯總 https://www.cnblogs.com/xiaojianliu/p/9446358.html
• COCO2014&KITTI&ModelNet 數據集下載百度鏈接 https://blog.csdn.net/taifengzikai/article/details/100936109