From 7c248bd1c5949d3b23305802065498639efc0a56 Mon Sep 17 00:00:00 2001
From: 2382613701lzy-netizen <2382613701lzy@gmail.com>
Date: Fri, 19 Dec 2025 11:22:33 +0800
Subject: [PATCH] Add sources for point cloud data acquisition
Added sources for obtaining point cloud data relevant to autonomous driving research, including datasets from Sydney University, Semantic3D, KITTI, OpenTopography, and USGS.
---
src/Content_Creation_Map/README.md | 37 ++++++++++++++++++++++++++++++
1 file changed, 37 insertions(+)
diff --git a/src/Content_Creation_Map/README.md b/src/Content_Creation_Map/README.md
index 46dc4df9ea..d4ba436a5b 100644
--- a/src/Content_Creation_Map/README.md
+++ b/src/Content_Creation_Map/README.md
@@ -700,3 +700,40 @@ QGIS内置了多语言支持,切换为中文无需安装额外语言包。
* **性能与精度平衡**:面对超大范围的高密度点云,需在数据精度与软件交互流畅性之间取得平衡。实践中,可根据当前建模的细节等级需求,选择使用点云的全分辨率版本,或通过抽稀处理后的轻量化版本作为参考背景,以实现更高效的操作体验。
在 RoadRunner 中引入点云数据,实质上是构建了一条 **“物理感知-数字建模-虚拟仿真”** 的数字化管道。它不仅是提升单点建模效率的工具,更是确保虚拟环境在几何、语义和行为层面与真实世界保持一致的关键技术环节,为高可靠性的自动驾驶系统测试与验证提供了至关重要的环境基础。
+
+# 从何处获取点云数据
+
+Sydney Urban Objects Dataset
+
+链接: [Sydney Urban Objects Dataset](https://www.acfr.usyd.edu.au/papers/data.shtml)
+
+介绍: 由悉尼大学提供的城市道路物体点云数据集,使用Velodyne HDL-64E LIDAR在悉尼中央商务区收集。包含车辆、行人、广告牌等分类信息,适用于自动驾驶技术的研究。
+
+Large-Scale Point Cloud Classification Benchmark (Semantic3D)
+
+链接: [Semantic3D](http://www.semantic3d.net/)
+
+介绍: 包含了大量标记的城市环境3D点云数据集,适合大规模点云分类研究。涵盖了从教堂到铁路轨道等多种场景,数据量大且标注详细。
+
+KITTI Vision Benchmark Suite
+
+链接: [KITTI Vision Benchmark Suite](http://www.cvlibs.net/datasets/kitti/)
+
+介绍: 主要面向自动驾驶领域,提供了丰富的传感器数据,包括点云、图像、GPS和IMU数据。数据来源于真实世界的驾驶场景,是评估自动驾驶系统性能的重要资源。
+
+OpenTopography
+
+链接: [OpenTopography](https://opentopography.org/)
+
+
+
+介绍: 提供全球范围内的高分辨率地形数据,包括激光雷达(LiDAR)点云数据。适合地理信息系统(GIS)、地貌学和其他地球科学领域的研究人员使用。
+
+USGS National Map 3DEP Program
+
+链接: [](https://apps.nationalmap.gov/downloader/)
+
+
+
+
+介绍: 美国地质调查局提供的全国3D高程计划(3DEP),包含了美国本土的LiDAR点云数据,可用于洪水建模、水资源管理等多个领域。