ClearPose：大规模透明物体数据集与基准
计算机视觉与模式识别
2022-07-22 v2 机器人学
摘要
透明物体在家居环境中无处不在，并为视觉感知与传感系统带来独特挑战。透明物体的光学特性使传统三维传感器在物体深度与位姿估计上单独使用并不可靠。这些挑战因缺乏聚焦于真实场景中透明物体的大规模 RGB-Depth 数据集而更为突出。本工作中，我们贡献了一个名为 ClearPose 的大规模真实世界 RGB-Depth 透明物体数据集，作为分割、场景级深度补全和物体中心位姿估计任务的基准数据集。ClearPose 数据集包含超过 35 万张带标注的真实世界 RGB-Depth 帧以及覆盖 63 种家居物体的 500 万实例标注。该数据集包含日常常用物体类别，处于不同光照与遮挡条件下，以及诸如被不透明或半透明物体遮挡、非平面朝向、存在液体等挑战性测试场景。我们在 ClearPose 上对若干当前最优的深度补全与物体位姿估计深度神经网络进行了基准测试。数据集与基准测试源代码可在 https://github.com/opipari/ClearPose 获取。
引用
@article{arxiv.2203.03890,
title = {ClearPose: Large-scale Transparent Object Dataset and Benchmark},
author = {Xiaotong Chen and Huijie Zhang and Zeren Yu and Anthony Opipari and Odest Chadwicke Jenkins},
journal= {arXiv preprint arXiv:2203.03890},
year = {2022}
}
备注
ECCV 2022 accepted paper