面向机器人操作的家用物体六自由度位姿估计：一个易获取的数据集与基准
机器人学
2022-12-19 v2 计算机视觉与模式识别
摘要
我们提出了一个用于已知物体六自由度（6-DoF）位姿估计的新数据集，重点关注机器人操作研究。我们提出一组玩具食品杂货物体，其实物可轻易购买且尺寸适合机器人抓取与操作。我们提供了这些物体的三维扫描带纹理模型，适用于生成合成训练数据，以及物体在具有挑战性的杂乱场景中的RGBD图像，这些场景表现出部分遮挡、极端光照变化、每幅图像多个实例以及大量多样位姿。利用半自动RGBD到模型的纹理对应关系，图像被标注了精度在几毫米内的真实位姿。我们还提出了一种基于匈牙利分配算法、称为ADD-H的新位姿评估指标，该指标对物体几何中的对称性具有鲁棒性，且无需显式枚举对称性。我们分享了所有玩具食品杂货物体的预训练位姿估计器，以及它们在验证集和测试集上的基线性能。我们向社区提供此数据集，以帮助将计算机视觉研究者的工作与机器人学家的需求联系起来。
引用
@article{arxiv.2203.05701,
title = {6-DoF Pose Estimation of Household Objects for Robotic Manipulation: An Accessible Dataset and Benchmark},
author = {Stephen Tyree and Jonathan Tremblay and Thang To and Jia Cheng and Terry Mosier and Jeffrey Smith and Stan Birchfield},
journal= {arXiv preprint arXiv:2203.05701},
year = {2022}
}
备注
IROS 2022. Project page is at https://github.com/swtyree/hope-dataset