Falling Things：用于 3D 物体检测与姿态估计的合成数据集
计算机视觉与模式识别
2018-07-12 v2
摘要
我们提出了一个名为 Falling Things (FAT) 的新数据集，旨在推进机器人学背景下物体检测与 3D 姿态估计的最先进水平。通过合成组合复杂构图与高图形质量的对象模型和背景，我们能够生成具有所有图像中所有物体精确 3D 姿态标注的光照逼真图像。我们的数据集包含从 YCB 数据集中提取的 21 个家居物体的 6 万张带标注照片。对于每张图像，我们提供所有物体的 3D 姿态、逐像素类别分割以及 2D/3D 边界框坐标。为便于测试不同的输入模态，我们提供单目和立体 RGB 图像，以及配准的稠密深度图像。我们详细描述了生成过程和数据的统计分析。
引用
@article{arxiv.1804.06534,
title = {Falling Things: A Synthetic Dataset for 3D Object Detection and Pose Estimation},
author = {Jonathan Tremblay and Thang To and Stan Birchfield},
journal= {arXiv preprint arXiv:1804.06534},
year = {2018}
}
备注
CVPR 2018 Workshop on Real World Challenges and New Benchmarks for Deep Learning in Robotic Vision