本文编辑：调皮哥的小助理

1、介绍

代尔夫特视图 （VoD） 数据集是一种新颖的汽车数据集，包含 8600 帧同步和校准的 64 层 LiDAR、（立体）摄像头和 3+1D 雷达数据，这些数据是在复杂的城市交通中采集的。它由超过 123000 个 3D 边界框注释组成，包括超过 26000 个行人、10000 个骑自行车者和 26000 个汽车标签。

关于数据集的详细介绍可以点击下面的链接：https://www.youtube.com/watch?v=R8r3lrkicJ0(科学上网)。

2、传感器和数据

数据集记录了以下传感器的输出：

安装在前保险杠后面的采埃孚 FRGen21 3+1D 雷达 （∼13 Hz），
安装在挡风玻璃上的立体摄像头（1936 × 1216 像素，∼30 Hz），
屋顶上的Velodyne HDL-64 S3激光雷达（∼10 Hz）扫描仪，以及
自我车辆的里程计（RTK GPS、IMU 和车轮里程计的过滤组合，∼100 Hz）。

所有传感器均经过联合校准，有关传感器设置的一般概述，请参见下图。

（该数据集仅免费提供用于非商业研究目的，使用该数据集的资格仅限于硕士生和博士生，以及学术和非营利研究机构的工作人员，可以通过填写此表格来请求访问：https://docs.google.com如果不想填写表格，文章末尾提供了下载方式。）

Github中包含了数据解析的Python代码，以及相关的教程：https://github.com/tudelft-iv/view-of-delft-dataset。

注意事项：该数据集比较大，大约14G，下载比较耗时间。

3、数据格式

激光雷达：

激光雷达点云存储在Bin文件中，每个 bin 文件都包含 Nx4 数组形式的 360° 扫描，其中 N 是点数，4 是特征数：[x,y,z,reflectance]

4D毫米波雷达：

雷达点云存储在Bin文件中，每个 bin 文件都包含一组 Nx7 数组形式的点，其中 N 是点数，7 是特征数：

[x, y, z, RCS, v_r, v_r_compensated, time]

其中,v_r是相对径向速度，v_r_compensated是点的绝对（即自我运动补偿）径向速度。time是点的时间 ID，指示它来自哪个扫描。例如，当前扫描的点 t = 0， 而第三次最近扫描的点的 t = −2。

相机：图像存储在.jpg文件中。

4、数据读取与解析

参照说明文档的Pyhton代码即可完成读取，其中代码需要Python的环境，并安装好相关的依赖库。

https://github.com/tudelft-iv/view-of-delft dataset/blob/main/1_frame_information.ipynb

该数据集调皮哥已经解析出来了，解析过程不难，挺简单的。数据内容觉得还可以，就是单帧的点云有点少。感兴趣的朋友可以试试，用于科研（做聚类、跟踪算法、目标识别、数据融合）还是可以的，算是目前比较好的数据集了。

为了方便大家，调皮哥这里放了云盘链接，仅用于非盈利学习和交流，数据很大，建议开会员下载。

下载链接：

链接：https://pan.baidu.com/s/13LLMmfYcWHojjkqEnqq1Vw?pwd=6666，提取码：6666