资源描述
OpenLidars 是一个开源城市级 LiDAR 点云数据集，覆盖全球12个主要城市的实采街景，包含语义分割标签、动态物体（车辆/行人）轨迹序列及可行驶区域掩码。适用于自动驾驶感知算法训练、3D场景理解、仿真环境构建与多模态融合研究，支持 PyTorch/TensorFlow 生态，已通过 ROS2 和 Open3D 格式验证。
详细内容
## OpenLidars 数据集详细介绍
### 数据集背景与来源
OpenLidars 由国际学术联盟 OpenLidars Consortium 发起并维护，旨在推动城市自动驾驶感知技术的透明化与可复现性研究。数据采集自 12 个代表性城市（包括东京、柏林、新加坡、旧金山、上海等），采用统一标定的 Velodyne VLP-16 / Ouster OS1-64 传感器平台，在不同光照、天气与交通密度条件下完成长时序街景扫描，并经严格伦理审查与隐私脱敏（人脸/车牌模糊化处理）。
### 数据规模与标注信息
- **总样本量**：约 28,000 帧高质量 LiDAR 扫描帧（每帧含约 12–15 万原始点），对应 1,200+ 公里连续驾驶轨迹；
- **标注类型**：
- 每帧点云提供逐点语义分割标签（24 类：如 road, sidewalk, vehicle, pedestrian, traffic_sign, building 等）；
- 动态物体轨迹标注（以 10Hz 频率追踪车辆与行人，提供 3D bounding box + velocity + heading）；
- 可行驶区域（Drivable Area）二值掩码（基于高精地图对齐生成）；
- **配套数据**：同步采集的 GNSS/IMU 位姿、相机图像（RGB，未强制配准，供多模态对齐参考）、时间戳与传感器外参矩阵。
### 典型应用场景
- 自动驾驶 3D 目标检测与跟踪（如 PointPillars、PointRCNN、TransFusion 的 benchmark 训练）；
- 城市场景语义分割与全景分割（Panoptic Segmentation）模型评估；
- 仿真系统（CARLA、NVIDIA DRIVE Sim）中 LiDAR 场景重建与传感器模拟校准；
- 多传感器融合（LiDAR-Camera-IMU）标定与联合学习研究；
- 动态场景理解与预测（Motion Forecasting）任务的数据基础。
### 使用注意事项
- 数据采用 Apache 2.0 开源协议，允许商用与学术使用，但需在成果中明确引用 `OpenLidars (https://openlidars.org)`；
- 点云格式为 `.pcd`（ASCII）与 `.bin`（二进制）双版本，标注文件为 `.json`（COCO-LiDAR 扩展格式）与 `.png`（2D 投影掩码）；
- 建议使用 `openlidars-sdk`（Python 包，PyPI 可安装）进行数据加载与坐标系转换（默认为 ENU 坐标系）；
- 部分城市子集存在遮挡或雨雾天气样本，建议在训练中启用域自适应策略；
- 官方不提供实时 API 或云端访问，全部数据需通过官网下载（分城市压缩包，单包 2–8 GB）。