ROBI：面向机器人分拣箱中反光物体的多视角数据集
机器人学
2021-10-08 v2
摘要
在机器人分拣箱应用中，对无纹理、高反光零件的感知是一项有价值但极具挑战的任务。高光泽性会在 RGB 图像中引入虚假边缘，并导致深度测量不准确，在严重杂乱的分拣箱场景中尤为明显。本文提出 ROBI（Reflective Objects in BIns，分拣箱中反光物体）数据集，一个用于机器人分拣箱场景中 6D 物体位姿估计与多视角深度融合的公开数据集。ROBI 数据集包含使用两台主动立体相机——高成本的 Ensenso 传感器与低成本的 RealSense 传感器——采集的共 63 个分拣箱场景。每个场景均从环绕场景的采样视角球捕获单色/RGB 图像与深度图，并标注了可见物体的精确 6D 位姿及相应的可见性评分。为评估深度融合性能，我们使用高成本 Ensenso 相机在物体表面喷涂抗反光扫描喷雾后捕获了真实深度图。为展示该数据集的效用，我们在完整数据集上评估了 6D 物体位姿估计与多视角深度融合的代表性算法。评估结果证明了高反光物体的难度，尤其是在因深度数据质量退化、严重遮挡及场景杂乱所导致的困难情形中。ROBI 数据集可在 https://www.trailab.utias.utoronto.ca/robi 在线获取。
引用
@article{arxiv.2105.04112,
title = {ROBI: A Multi-View Dataset for Reflective Objects in Robotic Bin-Picking},
author = {Jun Yang and Yizhou Gao and Dong Li and Steven L. Waslander},
journal= {arXiv preprint arXiv:2105.04112},
year = {2021}
}