KITchen：面向厨房环境的6D物体姿态估计真实世界基准与数据集
机器人学
2024-12-18 v3
摘要
尽管面向机器人抓取的6D物体姿态估计方法近期取得了进展，但这些方法在现有数据集上的能力与其在真实世界抓取和移动操作任务中的效能之间仍存在显著的性能差距，尤其是在机器人仅依赖其单目自我中心视场（FOV）时。现有的真实世界数据集主要关注桌面抓取场景，其中机械臂被放置在固定位置，物体位于固定外部摄像头的视场中央。在此类数据集上评估性能可能无法准确反映日常厨房环境中抓取和移动操作任务所遇到的挑战，例如从较高的架子、水槽、洗碗机、烤箱、冰箱或微波炉中取回物体。为弥补这一差距，我们提出了KITchen，一个专为估计厨房环境中不同位置物体的6D姿态而设计的新型基准。为此，我们利用一台人形机器人及其自我中心视角，在两个不同的厨房中记录了包含约20.5万张真实世界RGBD图像的综合数据集，涵盖111个厨房物体。随后，我们开发了一个半自动标注流程，以简化此类数据集的标注过程，从而在最少人工干预下生成2D物体标签、2D物体分割掩码和6D物体姿态。该基准、数据集和标注流程将在https://kitchen-dataset.github.io/KITchen上公开发布。
引用
@article{arxiv.2403.16238,
title = {KITchen: A Real-World Benchmark and Dataset for 6D Object Pose Estimation in Kitchen Environments},
author = {Abdelrahman Younes and Tamim Asfour},
journal= {arXiv preprint arXiv:2403.16238},
year = {2024}
}
备注
This work has been accepted for publishing at The 2024 IEEE-RAS International Conference on Humanoid Robots