ECLAIR: A High-Fidelity Aerial LiDAR Dataset for Semantic Segmentation

我们介绍了ECLAIR（Extended Classification of Lidar for AI Recognition），这是一个新的室外大规模航空LiDAR数据集，专门设计用于推进点云语义分割的研究。作为迄今为止最广泛和多样化的数据集，该数据集覆盖了总面积为10平方千米，近6亿个点，并具有11个不同的对象类别。为了确保数据集的质量和实用性，我们通过内部专家团队进行了彻底的点标签筛选，确保语义标签的准确性和一致性。该数据集旨在通过提出新的挑战和潜在应用来推动3D城市建模、场景理解和公用设施管理领域的发展。作为基准，我们报告了基于Minkowski Engine的基于体素的点云分割方法的定性和定量分析。

论文旨在推动点云语义分割的研究，提出了一个新的室外大规模LiDAR数据集ECLAIR，以解决3D城市建模、场景理解和公用设施管理等领域的问题。

论文提出了一个基于Minkowski Engine的体素点云分割方法，并在ECLAIR数据集上进行了定性和定量分析。

ECLAIR数据集是目前最大、最多样化的室外LiDAR数据集之一，涵盖了11个不同的对象类别，并通过专家团队进行了精细标注。论文提出的方法在分割效果上取得了良好的表现。数据集和代码已经公开。

近期相关研究包括PointNet、PointNet++、SPG等点云分割方法，以及Semantic3D、Paris-Lille-3D等点云数据集。