數據集下載來自Apollo數據開放平臺：http://data.apollo.auto/?locale=zh-cn&lang=en
參考論文：2019 ICCV ——DeepICP: An End-to-End Deep Neural Network for 3D Point Cloud Registration
下載的是樣例數據，大概52GB左右。解壓之後包含三個文件夾：
分別是地圖數據，測試數據，訓練數據。每個文件夾中包含點雲pcds數據和poses位姿數據。
其中pcds數據可以用PCL點雲庫讀取，如果想提取出來點雲座標(x,y,z)，可以直接用PCL把二進制存儲座標的pcd數據轉換成txt就可以了。 （這裏我後來發現pcd數據也可以直接用matlab fopen打開，然後讀其中的座標，可能是因爲它這個是ASCII保存，如果是以二進制的形式就讀不出來吧）
poses位姿數據包含是一個九維向量：
第一維是幀號，因爲每一秒鐘可以掃描幾十幀到上百幀，時間戳記錄了當前點雲數據的時間，後面三維爲x,y,z，只有的4維是一個四元數（已經單位化了，qx^2+qy^2+qz^2+qr^2 = 1），可以根據四元數轉換成旋轉矩陣，然後求得每相鄰，比如說100幀之間的一個變換。R旋轉矩陣和t平移矩陣。
目前遇到的一些問題：
因爲我本人也在做點雲配準的研究，使用Apollo數據測試過Deep ICP中提到的文章，差距比較大，在想是不是沒有理解他的用法？我現在用的是MapData中的第一幀和第一百幀數據，測試了一下CPD和自己的算法，誤差都比較大。
並且我觀察到，MapData和TestData、TrainData文件夾中的不同，gt_poses是真值，那init_poses作用是什麼？valid_range的作用是什麼呢？init_poses和gt_poses是要一起使用嗎？
地圖數據集中包含pcd格式的點雲數據爲36304幀，訓練數據集中包含pcd格式的點雲數據爲7538幀，測試數據集中包含pcd格式的點雲數據爲6443幀。
如果大家有知道的可以評論指教一下，或者說討論一下，謝謝~
2020/1/14：
如果做配準的話就不用在意init_poses和valid_range了。只需要關係gt_poses，其中包含了每幀的真值；
問了作者，數據的幀間間隔100是這個意思，比如你選取了第一幀，然後在選取第三幀吧打個比方，你確定下兩幀之間的距離是不是大於5了，沒有的話就採用這兩幀點雲數據爲x和y。之後幀間間隔是100，也就是你再選第101幀和103幀當做x和y。以此類推。