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

本文介绍了一个新的数据集，用于 6-DoF 姿态估计已知物体，在机器人操作研究方面重要。数据集由一组玩具杂货物品组成，旨在方便机器人抓取和操纵，提供了这些物品的 3D 模型和 RGBD 图像，可用于产生合成训练数据，并提出了一个新的姿态评估指标 ADD-H。

Mar, 2022

本文介绍了一种能够从 RGB 图像中检测三维物体和估计六自由度姿态的新型深度学习方法，称为 DPOD。该方法估计输入图像和可用的三维模型之间的密集多类二维三维对应关系图，通过 PnP 和 RANSAC 计算六自由度姿态，并使用基于深度学习的自定义方案对初始姿态估计进行了 RGB 姿态优化。与其他主要使用真实数据进行训练且不对合成渲染进行训练的方法不同，我们对合成数据和真实训练数据进行评估，显示出在所有最近的检测器中，此方法无论先前和后面都能够获得优异的结果。虽然具有精度，但本方法仍然具有实时性能。

Feb, 2019

该论文介绍了一个新的公共数据集，用于工业抽取物品的 6D 物体姿态估计和实例分割，涉及 6D 姿态、可见度分数、分割掩模等注释数据，是目前为止关于垃圾桶拣选 6D 物体姿态估计和实例分割的第一个公共数据集，并且也是物体姿态估计中最大的公共数据集之一，数据集可以在 Link 中公开访问。

Dec, 2019

提出适用于单个 RGB-D 输入图像的刚体物体 6D 姿态估计基准，并通过姿态误差函数对姿态歧义进行处理，在 15 种不同方法的全面评估中发现，基于点对特征的方法目前表现最佳。

Aug, 2018

我们介绍了一个大规模立体 RGB 图像物体姿态估计数据集 StereOBJ-1M，为了解决透明、半透明、反射等复杂场景下的姿态估计问题，并通过一种新颖的多视图注释方法有效地收集了足够规模的数据。该数据集包含超过 393K 帧、超过 1.5M 注释的 18 个物体的全标注 6D 姿态，并在 11 个不同环境中记录的 182 个场景中展示。我们将两种最先进的姿态估计框架作为基线，提出了一种新颖的基于关键点预测的物体级姿态优化方法。

Sep, 2021

我们提出了一种新颖的方法，在单个快拍中从 RGB 数据中检测 3D 模型实例并估计其 6D 姿势。为此，我们扩展了流行的 SSD 范例，以涵盖完整的 6D 姿态空间，并仅在合成模型数据上进行训练。我们的方法在多个具有挑战性的数据集上竞争或超越了目前领先的 RGB-D 数据利用方法。此外，我们的方法在大约 10Hz 左右产生这些结果，速度比相关方法快多了。为了可重现性，我们公开可用我们的训练网络和检测代码。

Nov, 2017

本研究针对透明物体的属性，提出了一种大规模真实世界 RGB-Depth 透明物体数据集，命名为 ClearPose，用于定量评价分割、场景级深度完成和物体居中姿态估计的任务，该数据集包含超过 350K 个标记的真实世界 RGB-Depth 帧和 5M 个实例注释涵盖 63 种家庭物品等。

Mar, 2022

本研究介绍了 T-LESS 数据集，用于计算纹理少的刚性物体的 6D 位姿，该数据集包括测试和训练图像，并提供两种类型的 3D 模型，同时揭示了该领域面临的挑战 - 尤其是在存在显著遮挡的情况下.

Jan, 2017

本研究介绍了一个包含来自 7 种不同 3D 相机拍摄的 32 个场景的数据集，可用于评估相机特性对位姿估计算法的敏感性，开发更稳健的算法以及进行多种不同相机和深度感测技术之间的数据比较和算法评估。该数据集包含来自 YCB 目标和模型集的 20 个不同对象，提供每个对象的完整基准数据，并对每个对象的遮挡程度进行了测量。在该数据集上使用最先进的目标识别和位姿估计系统对相机进行了初步评估。

Apr, 2020