XYZ-IBD：捕捉真实世界工业复杂度的高精度料箱拣选物体6D位姿估计数据集
计算机视觉与模式识别
2025-06-17 v2
摘要
我们介绍了XYZ-IBD，一个用于6D位姿估计的料箱拣选数据集，它捕捉了真实世界的工业复杂度，包括具有挑战性的物体几何形状、反光材料、严重遮挡和密集杂乱。该数据集反映了真实的机器人操作场景，并具有毫米级精度的标注。与主要关注已接近饱和的家用物品的现有数据集不同，XYZ-IBD代表了尚未解决的真实工业条件。该数据集包含15个无纹理、金属且大多对称的物体，形状和大小各异。这些物体被严重遮挡并以高密度随机排列在料箱中，重现了真实世界料箱拣选的挑战。XYZ-IBD使用两台高精度工业相机和一台商用相机采集，提供RGB、灰度和深度图像。它包含75个多视角真实世界场景，以及在模拟料箱拣选条件下渲染的大规模合成数据集。我们采用了精细的标注流程，包括防反射喷涂、多视角深度融合和半自动标注，达到了工业操作所需的毫米级位姿标注精度。在模拟环境中的量化验证了真值标注的可靠性。我们在该数据集上对2D检测、6D位姿估计和深度估计任务的SOTA方法进行了基准测试，揭示了与当前学术家用基准相比，我们的设置存在显著的性能下降。通过捕捉真实世界料箱拣选场景的复杂度，XYZ-IBD为未来研究引入了更真实且更具挑战性的问题。该数据集和基准已公开发布于 https://xyz-ibd.github.io/XYZ-IBD/。
引用
@article{arxiv.2506.00599,
title = {XYZ-IBD: A High-precision Bin-picking Dataset for Object 6D Pose Estimation Capturing Real-world Industrial Complexity},
author = {Junwen Huang and Jizhong Liang and Jiaqi Hu and Martin Sundermeyer and Peter KT Yu and Nassir Navab and Benjamin Busam},
journal= {arXiv preprint arXiv:2506.00599},
year = {2025}
}