GraspNet：一个用于物体抓取的大规模聚类且密集标注的数据集
计算机视觉与模式识别
2020-01-03 v2 机器人学
摘要
物体抓取在许多应用中至关重要，同时也是一项具有挑战性的计算机视觉问题。然而，对于聚类场景，当前研究存在训练数据不足和缺乏评估基准的问题。在这项工作中，我们贡献了一个带有统一评估系统的大规模抓取位姿检测数据集。我们的数据集包含 87,040 张 RGBD 图像，具有超过 3.7 亿个抓取位姿。同时，我们的评估系统通过解析计算直接报告抓取是否成功，能够评估任何类型的抓取位姿而无需穷尽地标注位姿真值。我们进行了大量实验，表明我们的数据集和评估系统能够与现实世界实验良好对齐。我们的数据集、源代码和模型将公开可用。
引用
@article{arxiv.1912.13470,
title = {GraspNet: A Large-Scale Clustered and Densely Annotated Dataset for Object Grasping},
author = {Hao-Shu Fang and Chenxi Wang and Minghao Gou and Cewu Lu},
journal= {arXiv preprint arXiv:1912.13470},
year = {2020}
}
备注
Report for our recent work