SynPick：一种用于动态料箱拣选场景理解的数据集
机器人学
2021-07-13 v1 计算机视觉与模式识别
摘要
我们提出 SynPick，一个用于料箱拣选（bin-picking）场景中动态场景理解的合成数据集。与现有数据集不同，我们的数据集既位于真实的工业应用领域中——受著名的 Amazon Robotics Challenge（ARC）启发——又具有由我们为 ARC 2017 开发的拣选启发式方法所选择的真实拣选动作的动态场景。该数据集与流行的 BOP 数据集格式兼容。我们详细描述了数据集生成过程，包括使用 NVIDIA PhysX 物理引擎进行物体排布生成与操作仿真。为覆盖较大的动作空间，我们执行了无目标与有目标的拣选动作，以及随机移动动作。为建立物体感知的基线，我们在该数据集上评估了一种最先进的位姿估计方法。我们展示了即使在朴素滤波方法下，在操作过程中跟踪位姿也比单次估计更有用。生成器源代码与数据集均已公开可用。
引用
@article{arxiv.2107.04852,
title = {SynPick: A Dataset for Dynamic Bin Picking Scene Understanding},
author = {Arul Selvam Periyasamy and Max Schwarz and Sven Behnke},
journal= {arXiv preprint arXiv:2107.04852},
year = {2021}
}
备注
Accepted for 17th IEEE International Conference on Automation Science and Engineering (CASE), Lyon, France, August 2021