從cornell資料集**： 中，我們可以得到比較詳細的資料集格式資訊，但是其中關於pcd檔案的說明不太詳細，經過一段時間的查詢，記錄一下。
以pcd0100.txt為例，開啟檔案，第一行就是「# .pcd v.7 - point cloud data file format」，說明檔案採用的pcd v.7格式，關於這個格式的說明可以看pcl**：
其中，我想強調乙個地方，當fields行為「x y z rgb」時，下面的資料行都是每行4個數，如-0.18716 -0.20571 0 4.808e+06，他們分別表示這個點在三維空間中的座標為(-0.18716, -0.20571, 0)，所在座標系是寫pcd檔案時的參考座標系，這一點的灰度值是4.808e+06，幾乎就是白色。
但cornell中的pcd又與官網介紹不同，不同之處是fields行為「x y z rgb index」，比官網中多了index，cornell**上說index是對行數和列數的編碼，每乙個index對應png中的乙個點，解碼公式如下：
row = int(index / 640) + 1
col = (index % 640) + 1
比較後發現，某些邊緣處的深度值沒有測到，在寫入時就把沒測到的點忽略了，所以txt檔案中的資料會比480*640少。我們在處理時，用opencv或imageio把缺失的點全部置0就ok了。
補充一點：
資料集中深度圖的世界座標系如下所示：xyz-紅綠藍
包括三個壓縮檔案：origin, data-1, data-2
其中origin中的backgrounds是拍攝資料集的背景圖，processdata是作者提供的一些處理程式（處理啥的不知道，沒用過），rectanglelable是矩形框標籤視覺化圖。
data-1和data-2的內容是一類（放乙個資料夾裡太大，所以分成兩個資料夾）。其中，pcd*.txt是點雲檔案，pcd*cneg.txt是負樣本抓取標籤，pcd*cpos.txt是正樣本抓取標籤，pcd*d.tiff是深度圖，png是原始rgb影象。
資料集中的抓取框標籤示例：
人臉檢測資料集 人臉資料集 LaPa
landmark guided faceparsing dataset lapa 是京東人工智慧發布的資料集，可用於人臉關鍵點檢測 106個點 和人臉解析 11個類別，包含了背景類 簡介 資料集一共有22176張彩色影象，以及對應的標籤影象和關鍵點資訊檔案，其中訓練集有18176張影象，佔比82 驗...
文字識別 文字檢測資料集
1 chinese text in wild ctw 包含平面文字，凸起文字，城市文字，農村文字，低亮度文字，遠處文字，部分遮擋文字。影象大小2048 2048，資料集大小為31gb。8 1 1 比例訓練集 25887張影象，812872個漢字 測試集 3269張影象，103519個漢字 驗證集 3...
目標檢測之常用資料集
我們在利用模型檢測實際應用問題的時候，通常需要使用自己標註和收集資料集來進行訓練。但對於不同演算法效能的比較，我們常常需要一些基本的資料集來進行橫向對比。下列是一些常用的目標檢測資料集 pascal voc挑戰在2005年至2012年間展開。pascal voc 2007 9963張影象，24640...