3D 点云数据集整理分析

1. 参考文章

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.

训练数据集：Visionair repository.OFF

• 数据来源：http://www.infra-visionair.eu/

• 下载地址：https://github.com/yulequan/PU-Net readme 中

• 特点：网格质量较高，完整，没有孔等

测试数据集：ModelNet40.OFF、ShapeNet.PTS

• 数据来源：https://vision.princeton.edu/projects/2014/3DShapeNets/ 、https://www.shapenet.org/
• 下载地址：BaiduNetDisk、kaggle
• 特点：ModelNet - 网格质量较低(有孔孔，点密度太低且大多模型根据边信息才能看出结构等) ; ShapeNet - 纯点集，接近训练数据集，格式需要修改才能在 MeshLab 中查看。

1.2. EAR

vcg 版本算法实现中，读取的是 PLY 文件。且 PLY 文件中 edge、face 数量为 0。

CGAL 版本算法实现中，可读取多种格式。

程序可处理的数据格式：

• 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. 数据集简介

2.1 Visionair repository

数据格式：.OFF

数据特点：点云规整，质量较高

部分样例：

[pic_1]

2.2 ModelNet

数据格式：.OFF

数据特点：结构简单，不适合做点云数据集，模型结构更多通过边来体现

部分样例：

[pic_2]

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.

数据格式：.PTS

数据特点：纯点集，有类型标注，点云较为稀疏

部分样例：

[pic_3]

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/
• 开源数据集汇总 https://www.cnblogs.com/xiaojianliu/p/9446358.html
• COCO2014&KITTI&ModelNet 数据集下载百度链接 https://blog.csdn.net/taifengzikai/article/details/100936109

Upsampling - 3D 数据集整理分析

原文：https://www.cnblogs.com/crayonsea/p/12819514.html