OpenTrench3D: A Photogrammetric 3D Point Cloud Dataset for Semantic Segmentation of Underground Utilities

识别和分类地下公用设施是高效和有效的城市规划和基础设施维护的重要任务。我们提出了OpenTrench3D，这是一个新颖而全面的3D语义分割点云数据集，旨在推进地下公用设施勘测和制图的研究和开发。OpenTrench3D涵盖了公共3D点云数据集的全新领域，其关注点、范围和成本效益的捕捉方法都是独特的。该数据集包括7个不同区域收集的310个点云。其中包括5个供水区域和2个供热区域。不同地理区域和主要公用设施（供水和供热设施）的包含使OpenTrench3D在跨领域转移学习实验中特别有价值。我们使用三种最先进的语义分割模型（PointNeXt，PointVector和PointMetaBase）为数据集提供基准结果。基准测试是通过在水域数据上进行训练，对供热区域1进行微调，并在供热区域2上进行评估。该数据集是公开可用的。通过OpenTrench3D，我们希望促进与地下公用设施检测和文档记录相关的3D语义分割应用以及转移学习方法的创新和进步。

OpenTrench3D数据集旨在解决地下公用事业勘测和制图中的3D语义分割问题，该问题在当前领域中尚未得到充分解决。

OpenTrench3D通过提供一个包含310个点云的数据集，利用PointNeXt、PointVector和PointMetaBase三种最先进的语义分割模型，为地下公用事业的检测和记录以及迁移学习方法的研究提供了新思路。

OpenTrench3D数据集涵盖了7个不同区域的5个水务区域和2个集中供热区域，这使得它在交叉领域迁移学习实验中具有特殊价值。论文提供了基准结果，并公开了数据集。实验设计合理，使用了最先进的模型，为未来的研究提供了参考。

最近的相关研究包括：1）点云分割领域的其他数据集，如S3DIS和ScanNet；2）基于深度学习的地下公用事业检测和制图的其他方法，如基于卷积神经网络的方法和基于图形的方法。