如今，激光雷达技术(“光探测和测距”)在遥感界蓬勃发展。我们可以看到如今应用已经较为广泛，例如空中激光扫描(ALS)，可用于大规模建筑测量、道路和森林；地面激光扫描(TLS)，可用于室外和室内环境中更详细但速度较慢的城市测量；移动激光扫描(MLS)精度比TLS低，但由于传感器安装在在同一辆车上而具有更高的效率。

由于这些技术的发展，近年来可用的三维地理数据和处理技术数量激增。针对三维城市点云的分析，已有许多半自动和自动的方法。这是一个有着良好发展前景的研究领域。然而，对于最佳的检测、分割和分类方法还没有达成共识。所以我们搜集了一些Lidar数据集，供大家使用，希望不断提出新的检测、分割和分类的方法。

目录

1.    WHU-TLS点云数据集

2.    Oakland3-D点云数据集

3.    Paris-rue-Madame数据集

4.    IQmulus& TerraMobilita数据集

5.    Districtof Columbia数据集

6.    semantic3d数据集

7.    Paris-Lille-3D数据集

8.    DublinCity数据集

1

WHU-TLS点云数据集

武大空间智能研究所课题组结合课题组近十年来的数据积累，联合慕尼黑工业大学、芬兰大地所、挪威科技大学、代尔夫特理工大学发布全球最大规模和最多样化场景类型的TLS点云配准基准数据集。本次公开的WHU-TLS基准数据集涵盖了地铁站、高铁站、山地、森林、公园、校园、住宅、河岸、文化遗产建筑、地下矿道、隧道等11种不同的环境，共包含115个测站、17.4亿个三维点以及点云之间的真实转换矩阵。此外，该基准数据集也为铁路安全运营、河流勘测和治理、森林结构评估、文化遗产保护、滑坡监测和地下资产管理等应用提供了典型有效数据。

WHU-TLS点云数据集示例

下载地址：http://3s.whu.edu.cn/ybs/en/benchmark.htm

参考文献：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)

2

Oakland 3-D点云数据集

Oakland 3-D数据是使用Navlab11和侧视的LMS激光扫描仪收集的。数据采集点位于宾夕法尼亚州匹兹堡奥克兰市的芝加哥大学校园。数据以ascii格式提供：x, y, z标签置信度，每行一