PhoCaL：面向光度挑战性物体的类别级物体位姿估计多模态数据集
计算机视觉与模式识别
2022-05-19 v1
摘要
物体位姿估计对机器人应用与增强现实至关重要。除实例级 6D 物体位姿估计方法外，估计类别级位姿与形状已成为一个有前景的趋势。因此，这一新研究领域需要由精心设计的数据集支撑。为向社区提供带有高质量真值标注的基准，我们引入了面向光度挑战性物体的类别级物体位姿估计多模态数据集 PhoCaL。PhoCaL 包含 8 个类别共 60 个高质量家用物体 3D 模型，涵盖高反射、透明与对称物体。我们开发了一种新颖的机器人辅助多模态（RGB、深度、偏振）数据采集与标注流程。它确保了不透明带纹理、光亮及透明物体位姿的亚毫米级精度、无运动模糊以及完美的相机同步。为对数据集设定基准，我们在 PhoCaL 的挑战性场景上评估了最先进的 RGB-D 与单目 RGB 方法。
引用
@article{arxiv.2205.08811,
title = {PhoCaL: A Multi-Modal Dataset for Category-Level Object Pose Estimation with Photometrically Challenging Objects},
author = {Pengyuan Wang and HyunJun Jung and Yitong Li and Siyuan Shen and Rahul Parthasarathy Srikanth and Lorenzo Garattoni and Sven Meier and Nassir Navab and Benjamin Busam},
journal= {arXiv preprint arXiv:2205.08811},
year = {2022}
}
备注
11 pages