圖片來源於網絡
雷射雷達技術（「光探測和測距」）在遙感界蓬勃發展，應用已較為廣泛。例如空中雷射掃描（ALS），可用於大規模建築、道路和森林測量；地面雷射掃描（TLS），可用於室內外環境中更詳細但速度較慢的城市測量；移動雷射掃描（MLS）精度比TLS低，但由於傳感器安裝在同一輛車上而具有更高的效率。
圖片來源於網絡
隨著這些技術發展，近年來可用的三維地理數據和處理技術數量激增。針對三維城市點雲的分析，已有許多半自動和自動的方法。這是一個有著良好發展前景的研究領域。然而，對於最佳的檢測、分割和分類方法還沒有達成共識。因此，小編推薦8個LiDAR數據集供大家使用，希望不斷提出新的檢測、分割和分類方法。
本期分享的LiDAR數據集如下：
1. WHU-TLS點雲數據集
2. Oakland 3-D點雲數據集
3. Paris-rue-Madame數據集
4. IQmulus & TerraMobilita數據集
5. District of Columbia數據集
6. semantic3d數據集
7. Paris-Lille-3D數據集
8. DublinCity數據集
武漢大學空間智能研究所課題組結合近十年來的數據積累，聯合慕尼黑工業大學、芬蘭大地所、挪威科技大學、代爾夫特理工大學發布全球最大規模和最多樣化場景類型的TLS點雲配準基準數據集。
本次公開的WHU-TLS基準數據集涵蓋了地鐵站、高鐵站、山地、森林、公園、校園、住宅、河岸、文化遺產建築、地下礦道、隧道等11種不同的環境，共包含115個測站、17.4億個三維點以及點雲之間的真實轉換矩陣。此外，該基準數據集也為鐵路安全運營、河流勘測和治理、森林結構評估、文化遺產保護、滑坡監測和地下資產管理等應用提供了典型有效數據。
圖1 WHU-TLS基準數據集
參考文獻：
Dong Z., Liang F., Yang B., Xu Y., Zang Y., Li J., Wang Y., Dai W., Fan H., Liang X., Stilla U., 2020. Registration of large-scale TLS Point Clouds: A Review and Benchmark. ISPRS J. Photogramm. Remote Sens. (In press)
Oakland 3-D數據是使用Navlab11和側視的LMS雷射掃描儀收集的。數據採集點位於賓夕法尼亞州匹茲堡奧克蘭市的芝加哥大學校園。數據以ascii格式提供：x, y, z標籤置信度，每行一點，空格作為分隔符。還提供了相應的vrml文件（.wrl）和標籤計數文件（.stats）。數據集由兩個子集（part2，part3）組成，每個子集有自己的本地參考幀，其中每個文件包含10萬個三維點。對訓練集/驗證集和測試集進行了篩選，並將其從44個標籤重新映射到5個標籤中。
參考文獻：Daniel Munoz, J. Andrew (Drew) Bagnell, Nicolas Vandapel and Martial HebertConference Paper, Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), June, 2009
Paris-rue-Madame數據集由三維移動雷射掃描儀收集得到。數據收集於法國巴黎第六區的一個街道rue Madame，試驗區包含從rue Mézières至rue Vaugirard的160 m長的街道；數據獲取時間為2013年2月8日13:30。
該數據集是在TerraMobilita項目的框架下開發的。它是由位於法國普裡斯帕裡斯蒂奇礦山的機器人實驗室（CAOR）的LARA2-3D三維雷射掃描儀獲得的。數據標註是由法國楓丹白露礦業中心（MINES ParisTech）的數學形態學中心（CMM）以人工輔助的方式進行的。
數據集包含兩個ply文件，每個ply文件包含有1000萬個點。每個文件包含一個點列表（x, y, z, reflective, label, class），其中x, y, z對應於Lambert 93和altitude IGN1969（grid RAF09）參考坐標系中的地理參考坐標（E, N, U），reflective是雷射強度，label是分割後獲得的對象標籤，class是對象類別。圖3 GT_Madame1_2.ply文件點雲的快照，由Z坐標值、反射率、對象標籤和對象類著色。
參考文獻：A. Serna, B. Marcotegui, F. Goulette and J.-E. Deschaud "Paris-rue-Madame database: a 3D mobile laser scanner dataset for benchmarking urban detection, segmentation and classification methods". ICPRAM 2014.
IQmulus & TerraMobilita數據集是一個比賽數據集，數據包含由3億個三維點組成的點雲數據，數據於2013年1月在法國的一個城市密集區域獲取。該數據集是在iQmulus和TerraMobilita項目的框架下生成的。它由法國國家測繪局（IGN）開發的MLS系統Stereopolis II獲取。數據標註由IGN的MATIS實驗室以手動方式進行。
在這個數據集中，數據存儲為ply文件格式，整個三維點雲被分割和分類，即每個點包含一個標籤和一個類。因此，檢測分割分類方法的逐點評價成為可能。
所有坐標對應於Lambert 93和altitude IGN1969（grid RAF09）參考系統中的地理參考坐標（E, N, U），反射率為雷射強度。已從XY坐標中減去偏移量，目的是提高數據精度。每個文件包含以下屬性：
(float32) X, Y, Z：Lambert 93系統中的笛卡爾地理參考坐標
(float32) X, Y, Z：原始坐標
(float32) reflectance：後向散射強度校正距離
(uint8) num_echo：回聲的數量（處理多個回聲）
每個參與者提供的每個經過處理的文件一定是包含原始點的PLY文件（順序相同），它們的原始屬性和兩個附加屬性如下：
由於數據集的每個點都包含一個id和一個類，因此將以逐點的方式執行計算。
圖4 數據標籤（左）和類別（右）示例
參考文獻：Bruno Vallet, Mathieu Brédif, Andrés Serna, Beatriz Marcotegui, Nicolas Paparoditis. TerraMobilita/IQmulus urban point cloud analysis benchmark. Computers and Graphics, Elsevier, 2015, Computers and Graphics, 49, pp.126-133.
https://hal.archives-ouvertes.fr/hal-01167995v1
華盛頓的LiDAR點雲數據可供任何人在Amazon S3上使用。該數據集由首席技術官辦公室（OCTO）通過哥倫比亞特區地理信息系統計劃管理，包含整個特區的平鋪點雲數據以及相關元數據。點雲中的每個點都已根據以下模式進行了分類。
semantic3d提供一個帶有大標籤自然場景的3D點雲數據集，總計超過40億個點。它還涵蓋了多種多樣的城市場景：churches, streets, railroad tracks, squares, villages, soccer fields, castles等。semantic3d提供的點雲已使用最先進的設備進行靜態掃描，包含非常精細的細節。
semantic3d數據集三維場景中的語義分割評估有一個框架，該框架提供：
參考文獻：Hackel T, Savinov N, Ladicky L, et al. Semantic3d. net: A new large-scale point cloud classification benchmark[J]. arXiv preprint arXiv:1704.03847, 2017.
Paris-Lille-3D是點雲分類的基準數據集。數據由法國兩個不同城市（巴黎和裡爾）的移動雷射系統（MLS）產生。點雲已完全被手工標記為50種不同的類別，以幫助對社區進行自動點雲分割和分類算法的研究。數據的每個文件均以單獨的ply文件存儲。數據的匯總見表1，每個ply點雲文件均包含10個屬性：
x, y, z (float) : 點的位置
x_origin, y_origin, z_origin (float) : LiDAR位置
GPS_time (double) : 點雲獲取時間
reflectance (uint8) : 反射率
label (uint32) : 點雲所屬標籤
class (uint32) : 點雲所屬類別
表1 Paris-Lille-3D數據集匯總
參考文獻：Roynard X, Deschaud J E, Goulette F. Paris-Lille-3D: A Point Cloud Dataset for Urban Scene Segmentation and Classification[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops. 2018: 2027-2030.
DublinCity數據集是都柏林大學學院（UCD）的城市建模小組通過ALS設備掃描都柏林市中心的主要區域（大約5.6 km²）獲得的。在總共的14億個點雲中包含大約2.6億個標記點。標記區域位於點雲的最密集採樣部分，並且被航空影像完全覆蓋。
數據集被標註為3個級別共13個類（圖7）：
Level 1：此級別包含粗略的標籤，包括4個類別：（a）Building；（b）Ground；（c）Vegetation；（d）Undefined。建築物都是可居住的城市結構（例如房屋，辦公室，學校和圖書館）。地面主要包含位於地形高程的點。植被類別包括所有類型的植物。未定義的點是那些不太受歡迎的點，可包含在城市元素中（例如垃圾桶，裝飾雕塑，汽車，長凳，電線桿，郵政信箱和非靜態物體）。大約10％的被標記為未定義的點主要是河流，鐵路和建築工地。
Level 2：在此級別中，級別1的前三個類別進一步精細分類。建築物被標記為屋頂和外牆；植被被分為不同的植物（例如喬木和灌木叢）；地面點分為街道，人行道和草地。
Level 3：包括屋頂（例如屋頂窗和天窗）和外牆上的任何類型的門窗。
參考文獻：S M Iman Zolanvari, Susana Ruano, Aakanksha Rana, Alan Cummins, Rogerio Eduardo da Silva, Morteza Rahbar, Aljosa Smolic. 2019 DublinCity: Annotated LiDAR Point Cloud and its Applications. 30th BMVC, September 2019.
申明：本期發布的網站內容均不代表本號觀點，本號旨在提供參考素材以便學習交流。
圖片來源於網絡
雷射雷達（雷射探測及測距）主要用雷射器作為發射光源，由發射系統、接收系統 、信息處理等部分組成。它利用雷射對地球表面進行密集採樣，以產生高精度的 x,y,z 測量值。
雷射雷達系統發射的雷射脈衝會從地表面和地表上的物體（植被、建築物和橋梁等）反射，發射出一個雷射脈衝可能會以一個或多個回波的形式返回到雷射雷達傳感器。任何發射出的雷射脈衝在向地面傳播時，如果遇到多個反射表面則會被分割成與反射表面一樣多的回波。
圖片來源於網絡
最先返回的雷射脈衝是最重要的回波，它與地表最高的要素相關聯，如樹頂或建築物頂部。多個回波可以檢測向外發射雷射脈衝的雷射腳點內的多個對象高程。中間的回波通常對應於植被結構，最後的回波常對應於裸露地表。
經過後處理，從空間上進行組織的雷射雷達數據被稱為點雲數據。初始點雲是 3D 高程點的大集合，其包括 x 、y 、z 值以及 GPS 時間等屬性。在初始雷射雷達點雲經過後處理後，可對雷射遇到的特定表面要素進行分類。任何雷射束在測量過程中遇到的物體（如地面、建築物、森林冠層、高速公路）構成了雷射點雲數據。
編輯：薇薇
審校：雪兒
指導：梧桐君
聲明
歡迎轉載、轉發本號原創內容，轉載信息請與本號聯繫授權，標註原作者和信息來源為《遙感學報》。
本號轉載信息旨在傳播交流，其內容由作者負責，不代表本號觀點。文中部分資料來源於網絡，如涉及作品文字、圖片等內容、版權和其他問題請在20日內與本號聯繫，我們將在第一時間處理。《遙感學報》擁有最終解釋權。
微信加群
為便於學術交流，提供優質服務，《遙感學報》建立了微信群。需要加群的小夥伴，請加小編個人微信入群，並備註：姓名+單位。營銷廣告者勿擾。
微推轉載、合作聯繫：
E-mail：jrs@radi.ac.cn 或 微信後臺留言。