CHIP：工业环境中椅子6D位姿估计的多传感器数据集
计算机视觉与模式识别
2025-06-12 v1
摘要
在3D环境中对复杂物体进行准确的6D位姿估计对于有效的机器人操作至关重要。然而，现有基准在评估真实工业条件下的6D位姿估计方法方面存在不足，因为大多数数据集聚焦于家庭环境中的物体，而少数可用的工业数据集仅限于将物体放置在桌面上的非真实设置。为弥补这一差距，我们引入了CHIP——第一个专为机器人手臂在真实工业环境中操控椅子进行6D位姿估计而设计的数据集。CHIP包含使用三种不同RGBD感知技术捕获的七种不同椅子，并提出了独特的挑战，如具有细粒度差异的干扰物体以及由机器人手臂和操作员引起的严重遮挡。CHIP包含77,811张RGBD图像，其真值6D位姿从机器人运动学自动导出，每把椅子平均有11,115个标注。我们使用三种零样本6D位姿估计方法对CHIP进行基准测试，评估不同传感器类型、定位先验和遮挡水平下的性能。结果显示出显著的改进空间，突显了该数据集带来的独特挑战。CHIP将公开发布。
引用
@article{arxiv.2506.09699,
title = {CHIP: A multi-sensor dataset for 6D pose estimation of chairs in industrial settings},
author = {Mattia Nardon and Mikel Mujika Agirre and Ander González Tomé and Daniel Sedano Algarabel and Josep Rueda Collell and Ana Paola Caro and Andrea Caraffa and Fabio Poiesi and Paul Ian Chippendale and Davide Boscaini},
journal= {arXiv preprint arXiv:2506.09699},
year = {2025}
}
备注
Technical report