深度估计数据集

WX Chen

于 2020-01-02 15:31:34 发布

阅读量5.5k

点赞数 4

分类专栏： 2D转3D 文章标签：自动驾驶深度学习

本文链接：https://blog.youkuaiyun.com/kl1411/article/details/103805255

版权

2D转3D 专栏收录该内容

21 篇文章 ¥99.90 ¥299.90

订阅专栏

超级会员免费看

本文列举了多个用于自动驾驶研究的重要数据集，包括iBims-1、NYU Depth V2、KITTI、Middlebury Stereo Datasets、Make3D、MegaDepth和ReDWeb V1等。这些数据集提供了丰富的RGB-D图像、深度图、激光雷达数据和视差图，用于评测和训练计算机视觉、深度学习和3D物体检测等技术。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

iBims-1
100 RGB-D image pairs of various indoor scenes
https://www.bgu.tum.de/lmf/ibims1/
下载链接
https://dataserv.ub.tum.de/index.php/s/m1455541

NYU Depth Dataset V2（Kinect）
1449 densely labeled pairs of aligned RGB and depth images
https://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html
NYU Depth V2 数据集是由来自各种室内场景的视频序列组成的数据集
拥有 1449 个密集标记的对齐 RGB 和深度图像，从 3 个城市拍摄的 464 个新场景
https://hyper.ai/datasets/5376

KITTI（激光雷达）
目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该数据集用于评测立体图像(stereo)，光流(optical flow)，视觉测距(visual odometry)，3D物体检测(object detection)和3D跟踪(tracking)等计算机视觉技术在车载环境下的性能。
超过200k 3D标注物体的图像组成
http://www.cvlibs.ne