OpenGF：基于全球公开ALS点云构建的超大规模地面滤波数据集
计算机视觉与模式识别
2021-04-13 v2
摘要
由于地形剧烈变化以及地物结构复杂，地面滤波数十年来一直是高精度数字高程模型自动生成中广泛研究但未彻底解决的瓶颈。近期，监督式深度学习算法在3D场景理解中的突破为更好地解决此类问题带来了新方案。然而，致力于地面提取的大规模、场景丰富公开数据集极少，这极大限制了有效基于深度学习的地面滤波方法的发展。为此，我们提出OpenGF，首个超大规模地面滤波数据集，覆盖全球4个不同国家的公开ALS点云构建的9种不同典型地形场景，面积超过47 。OpenGF包含超过五亿个精细标注的地面与非地面点，是事实标准ISPRS filtertest数据集标注点数量的数千倍。我们在该数据集上广泛评估了最先进的基于规则算法与3D语义分割网络的性能，并给出综合分析。结果证实了OpenGF有效训练深度学习模型的能力。该数据集发布于https://github.com/Nathan-UW/OpenGF，以促进地面滤波与大规模3D地理环境理解方面更多前沿研究。
引用
@article{arxiv.2101.09641,
title = {OpenGF: An Ultra-Large-Scale Ground Filtering Dataset Built Upon Open ALS Point Clouds Around the World},
author = {Nannan Qin and Weikai Tan and Lingfei Ma and Dedong Zhang and Jonathan Li},
journal= {arXiv preprint arXiv:2101.09641},
year = {2021}
}