Toronto-3D：用于城市道路交通语义分割的大规模移动激光雷达数据集
计算机视觉与模式识别
2020-11-17 v3
摘要
大规模室外点云的语义分割对于多种应用中的城市场景理解至关重要，尤其是自动驾驶和城市高精（HD）地图。随着移动激光扫描（MLS）系统的快速发展，海量点云可用于场景理解，但用于开发基于学习方法所必需的公开大规模标注数据集仍然有限。本文介绍了 Toronto-3D，一个在加拿大多伦多通过 MLS 系统获取的大规模城市室外点云语义分割数据集。该数据集覆盖约 1 km 的点云，包含约 7830 万个点，标注有 8 个对象类别。我们进行了语义分割的基线实验，结果证实该数据集能够有效训练深度学习模型。Toronto-3D 已公开发布以鼓励新研究，其标注将根据研究界的反馈进行改进和更新。
引用
@article{arxiv.2003.08284,
title = {Toronto-3D: A Large-scale Mobile LiDAR Dataset for Semantic Segmentation of Urban Roadways},
author = {Weikai Tan and Nannan Qin and Lingfei Ma and Ying Li and Jing Du and Guorong Cai and Ke Yang and Jonathan Li},
journal= {arXiv preprint arXiv:2003.08284},
year = {2020}
}
备注
Toronto-3D dataset can be downloaded at https://github.com/WeikaiTan/Toronto-3D