Feb, 2017

用于开发和基准测试主动视觉的数据集

PDF
TL;DR该论文使用真实影像，聚焦日常室内环境下机器人视觉任务的模拟，构建新的公共数据集。该数据集可用于机器人视觉任务中的物体检测、主动视觉模拟和基于深度学习的强化学习下的下一步动作预测。在使用数据集的过程中，作者发现现有物体检测研究最大的问题是机器人视角对物体尺度，遮挡和方向的影响。
robotic visionrgb-d imagesobject detectionviewing directionreinforcement learning
发现论文，激发创造
  • OpenLORIS-Object：用于终身深度学习的机器人视觉数据集和基准

    针对具有挑战性的开放式及有害条件下，机器人视觉应用需要具备适应性的系统，使其具备终身学习的能力，该篇研究提出了一个新的生涯机器人视觉数据集（OpenLORIS-Object），囊括了最近领先的 lifelong learning 算法，并提供了新的基准评估模型的效果和性能。

    Nov, 2019

  • 用于物体实例检测的多视角 RGB-D 数据集

    介绍了一个新的多视角 RGB-D 数据集，用于目标检测和识别，包括多个识别基准和 AlexNet 模型，证明了该数据集比 Washington RGB-D Scenes 数据集更具挑战性。

    Sep, 2016

  • 用于多视角三维重建的现实数据集

    本文介绍了一种包含近千个三维对象模型及超过 84 万个现实世界的 RGB 和深度图像数据集，旨在填补现有研究中缺乏的三维多视图重建的真实数据基准。该数据集通过半自动方式实现相机位置与物体姿态的精准标注，为形状重建、物体姿态估计、形状检索等 3D 应用提供了可能。数据集已开放，包含注释工具和评估基准源代码。

    Mar, 2022

  • 仓库拾取放置的 RGBD 物体检测与姿态估计改进数据集

    本论文提供了一个丰富的数据集，针对解决仓库拣选和放置任务时出现的挑战，集中探讨了基于 RGBD 的三维物体姿态估计的状态最新发展。该数据集包括成千上万张图片和相应物体的基准数据，在不同的位置和杂乱程度的条件下使用。以一个近期发展的基于 RGBD 的姿态估计算法为例，进行了评估，并应用各种修改和改进来提高检测的准确性，以提高仓库拾取和放置领域的性能。

    Sep, 2015

  • A*3D 数据集：面向复杂环境的自动驾驶

    本文介绍了一份新的挑战性 A*3D 数据集，以满足自动驾驶研究任务在高度多样化的环境中的需求，并采用基于 RGB 图像和 LiDAR 数据的丰富多样的场景、时间和天气情况，其中包括重度遮挡和大量的夜间框架，共包含 39K 帧、7 个类别和 230K 个 3D 对象注释。对 A*3D 数据集进行广泛的 3D 对象检测基准评估，对高密度、白天 / 黑夜等各种属性给出了有趣的见解。

    Sep, 2019

  • ROBI: 机器人抓取中反射物体的多视图数据集

    本文介绍了 ROBI（Reflective Objects in BIns）数据集，用于 6D 对象姿态估计和机器人垃圾桶拾取场景中的多视角深度融合。数据集包括 63 个具有高度反射物体的场景，使用两个主动立体相机捕获图像和深度地图进行标注，可评估姿态估计和深度融合算法性能。

    May, 2021

  • 野外的 RGBD 物体：从 RGB-D 视频中扩展现实世界的 3D 物体学习

    我们介绍了一个名为 WildRGB-D 的新型 RGB-D 物体数据集，该数据集以自然环境中的实际采集为基础，与其他数据集相比，它的直接深度采集使得 3D 标注和下游应用更加准确和广泛。

    Jan, 2024

  • Care3D：真实机器人护理环境下的主动三维物体检测数据集

    为了解决劳动力短缺对卫生部门的影响，本研究提供了一个真实环境的数据集，用于开发辅助机器人及进行 3D 物体检测，同时提供一个房间内的真实数据来评估直接在卫生机器人上运行的 SLAM 算法。

    Oct, 2023

  • HabitatDyn 数据集：动态物体检测与运动学估计

    本文提出了一个名为 HabitatDyn 的数据集，其中包含了机器人在移动时所观察到的视频，语义标签和深度信息，以及动力学信息。该数据集采用了合成数据，旨在为机器人视觉和移动带来更大的可扩展性和适应性，以期进一步提高移动机器人的表现能力。

    Apr, 2023

  • RGBD 数据集：过去、现在和未来

    本文探讨了与 RGBD 数据集有关的八个类别，并提出了一些关于其未来的方向，这有助于研究人员找到适合他们需求的数据，并考虑哪些数据集在推动计算机视觉方向上取得了成功和原因。

    Apr, 2016