面向物体分割与 6D 位姿估计的 DoPose-6D 数据集
机器人学
2022-11-29 v2
摘要
场景理解对于确定智能机器人抓取与操作能达到何种程度至关重要。这是一个可使用不同技术解决的问题：已知物体分割、未知物体分割或 6D 位姿估计。这些技术甚至可扩展至多视图。由于缺少足够大的真实数据集用于训练、且仅使用可用的真实数据集进行评估，大多数关于这些问题的工作依赖于合成数据集。这促使我们引入一个新数据集（称为 DoPose-6D）。该数据集包含用于 6D 位姿估计、物体分割及多视图标注的标注，可服务于上述所有技术。数据集包含两类场景：料箱拣选与桌面场景，其中收集该数据集的主要动机是料箱拣选。我们阐明了该数据集在未知物体分割背景下的作用，并给出了关于混合合成与真实数据用于训练的一些见解。我们训练了一个适用于工业与机器人抓取应用的实用 Mask R-CNN 模型。最后，我们展示了我们的数据集如何提升了 Mask R-CNN 模型的性能。我们的 DoPose-6D 数据集、训练好的网络模型、管线代码与 ROS 驱动均已在线提供。
引用
@article{arxiv.2204.13613,
title = {DoPose-6D dataset for object segmentation and 6D pose estimation},
author = {Anas Gouda and Abraham Ghanem and Christopher Reining},
journal= {arXiv preprint arXiv:2204.13613},
year = {2022}
}
备注
accepted for IEEE ICMLA 2022