HomebrewedDB：用于3D物体6D姿态估计的RGB-D数据集

创建和评估6D物体姿态检测器最重要的先决条件之一是带有标注6D姿态的数据集。随着深度学习的出现，对此类数据集的需求持续增长。尽管存在一些数据集，但它们数量稀少且通常具有受限的设置，例如每个序列只有一个物体，或者专注于特定类型的物体，例如无纹理的工业零件。此外，两个重要组成部分常常被忽略：仅使用可用3D模型而非真实数据进行训练，以及可扩展性，即训练一种方法检测所有物体，而不是为每个物体训练一个检测器。其他挑战，如遮挡、光照条件变化和物体外观变化，以及精确定义的基准，要么不存在，要么分散在不同的数据集中。本文提出了一个用于6D姿态估计的数据集，涵盖了上述挑战，主要针对从3D模型（包括有纹理和无纹理）训练、可扩展性、遮挡以及光照条件和物体外观变化。该数据集包含33个物体（17个玩具、8个家用和8个工业相关物体），分布在13个不同难度的场景中。我们还提出了一组基准测试，用于测试各种期望的检测器属性，特别关注相对于物体数量的可扩展性以及对光照变化、遮挡和杂乱的鲁棒性。我们还使用最先进的DPOD检测器为所提出的基准测试设定了基线。考虑到制作此类数据集的难度，我们计划发布代码，以便其他研究人员将来扩展此数据集或制作自己的数据集。