跳转到主要内容

Jakarto数据集包含来自激光传感器的真实世界3D数据。

项目描述

Jakarto数据集用于城市资产的3D检测挑战

Build Status Code coverage License PyPI version GitHub stars

我们构建了这个Python API来分享一些城市资产的真实世界3D激光数据集。我们希望帮助你们中的一些人开发并测试3D激光处理算法。

jakarto car detection

这些数据集是通过Jakarto卡车收集的。jakarto truck

安装

此API需要python 3.6+

pip install jakarto-datasets

用法

from jakarto_datasets.datasets.storm_drains import StormDrainsDataset

# Load dataset
storm_drains_2019 = StormDrainsDataset()

for data in storm_drains_2019.training_set:
    coordinates = data.get_coordinates_data()
    lidar_data = data.get_lidar_data()

    label = data.get_label_lidar_data()

    print(data)
    print(coordinates.shape)
    print(lidar_data.shape)
    print(label.shape)

    print(lidar_data['intensity'])

数据集

datasets year 3d lidar label raster mask len(training_set) len(testing_set) examples description
storm drains 2019 :heavy_check_mark :heavy_check_mark :heavy_check_mark :heavy_check_mark 223 150 查看示例 查看详情

基准测试

我们非常乐意分享您的实验结果。

datasets 标题 作者 链接 description
storm drains 2019 平衡随机森林 Jakarto团队 链接 使用一个致命简单的平衡随机森林对来自激光数据的每个点进行分类。虽然它不使用空间信息,但它允许Jakarto检测大约25%的雨水井。这些雨水井将被添加到Jakarto 2020年雨水井数据集中。
... ... ... ...

引用

如果您觉得这项工作很有用并希望引用,请考虑以下BibTeX条目

@MISC{jakarto_datasets,
    author = {Loic Messal and Cedric Pelletier and {Jakarto Cartographie 3d team}},
    title = {Jakarto datasets},
    year = {2019},
    howpublished={\url{https://github.com/jakarto3d/jakarto_datasets}}
}

GitHub 星标也可能有所帮助。

联系方式

如果您想给我们发邮件,请发送到 contact@jakarto.com

许可证

本项目遵循 MIT 许可协议。详细信息请参阅 LICENSE.txt 文件。

项目详情


下载文件

下载适用于您平台的文件。如果您不确定该选择哪个,请了解更多关于 安装包 的信息。

源代码分发

jakarto_datasets-0.1.0.tar.gz (7.0 kB 查看哈希值)

上传时间 源代码

构建分发

jakarto_datasets-0.1.0-py3-none-any.whl (9.7 kB 查看哈希值)

上传时间 Python 3

支持