BhopalMLS: A LiDAR Dataset for Semantic Scene Understanding in Heterogeneous Urban Environments

📄 arXiv: 2611.04654v1 📥 PDF

作者: Pyare Lal Chauhan, Vaibhav Kumar, Bharat Lohani

分类: cs.CV

发布日期: 2026-11-03

备注: Accepted at WACV 2027 (Evaluations and Datasets Track). 37 pages: main paper, references and supplementary material. Project page: https://geoai4cities.github.io/bhopalmls

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

提出BhopalMLS数据集以解决城市环境语义理解问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 激光扫描 语义理解 城市环境 动态对象 深度学习 数据集 迁移学习

📋 核心要点

  1. 现有的3D数据集主要集中于规划良好的城市，缺乏对非规划环境的多样性和细粒度分类的支持。
  2. BhopalMLS数据集通过提供丰富的标注实例和类别，旨在提升城市环境中的语义场景理解能力。
  3. 实验结果显示，基于BhopalMLS训练的模型在多个基准测试中均优于现有模型，尤其在迁移学习方面表现突出。

📝 摘要（中文）

我们介绍了BhopalMLS，这是一个来自印度博帕尔密集异质城市环境的大规模移动激光扫描（MLS）数据集，涵盖了混合交通、非正式结构和狭窄的非规划街道。数据集包含超过12亿个点和19,518个标注实例，分为62个细粒度静态类别，并支持动态对象分析。与现有的3D数据集相比，BhopalMLS在语义和实例分割任务中表现出色，尤其是在模型迁移能力上，训练于该数据集的模型在多个基准测试中均表现优于反向迁移，显示出其在3D感知领域的潜力。

🔬 方法详解

问题定义：本论文旨在解决现有3D数据集在非规划城市环境中的不足，尤其是缺乏对细粒度类别和动态对象的支持。现有方法在处理异质环境时表现不佳，导致模型泛化能力不足。

核心思路：论文提出BhopalMLS数据集，包含丰富的标注和多样的类别，以支持更复杂的城市环境下的语义理解。通过引入动态对象分析，增强模型对实际场景的适应性。

技术框架：整体架构包括数据采集、标注、模型训练和评估四个主要阶段。数据采集使用移动激光扫描技术，标注则涵盖静态和动态对象，模型训练采用先进的深度学习框架进行优化。

关键创新：BhopalMLS数据集的最大创新在于其丰富的类别和实例标注，尤其是在动态对象分析方面，显著提升了模型在复杂城市环境中的表现。

关键设计：在模型训练中，采用了Utonia(L)和Concerto(L)作为基础模型，设置了固定的标签预算，并通过控制因素进行重训练，以确保模型在不同类别上的泛化能力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，基于BhopalMLS训练的Utonia(L)模型在12类基准测试中达到了71.28%的mIoU，相较于PTv3的68.04%有显著提升。同时，模型在迁移学习方面表现优越，平均提升21.5 mIoU点，最高可达36 mIoU点。

🎯 应用场景

BhopalMLS数据集的潜在应用领域包括智能交通系统、城市规划、自动驾驶和机器人导航等。通过提供丰富的语义信息，该数据集可以帮助提升城市环境下的自动化决策能力，推动智能城市的发展。

📄 摘要（原文）

We introduce BhopalMLS, a large-scale Mobile Laser Scanning (MLS) dataset from a dense, heterogeneous urban environment in Bhopal, India, with mixed traffic, informal structures, and narrow unplanned streets. It spans approximately 10 km of road corridors with over 1.2 billion points and 19,518 annotated instances across 62 fine-grained static categories, grouped into 12-class and 21-class benchmark taxonomies; 6 optional moving-class subclasses support dynamic-object analysis. Existing 3D datasets, collected in well-planned cities, are structurally more uniform than such unplanned settings, and lack their subtype diversity. On semantic and instance segmentation at both granularities, fine-tuned foundation models surpass supervised baselines: Utonia(L) reaches 71.28% mIoU (vs. PTv3's 68.04% from scratch) and 44.07% mAP50 on the 12-class benchmark. Cross-region experiments against four established datasets (Ke-MLS, Toronto-3D, Paris-Lille-3D, SemanticKITTI) reveal a consistent asymmetric transferability: models trained on BhopalMLS transfer better than the reverse on every pair, for both Utonia(L) and Concerto(L) (mean 21.5, up to 36 mIoU points), holding even when the target is denser. Factor-controlled retraining at a fixed label budget, repeated on both models, attributes this to the coverage of BhopalMLS's subtype inventory rather than to dataset size or corridor geometry: collapsing each class to a single subtype costs 13.0 and 13.3 mIoU points for Utonia(L) and Concerto(L). BhopalMLS therefore offers a testbed for 3D perception beyond well-planned cities. Data and an interactive viewer are at https://geoai4cities.github.io/bhopalmls.