TransCG：透明物体深度完成和抓取基线的大型实际数据集

WWWFeb, 2022

TransCG：透明物体深度完成和抓取基线的大型实际数据集

TransCG: A Large-Scale Real-World Dataset for Transparent Object Depth Completion and a Grasping Baseline

Hongjie Fang, Hao-Shu Fang, Sheng Xu, Cewu Lu

TL;DR本研究提供了一种基于深度学习网络的方法，针对普通深度传感器获取透明物体深度信息的难题，构建了一个大规模真实场景数据集，同时提出了一种深度完成网络用于输出精度更高的透明物体深度信息，并且该方法能够成功地应用于机器人对透明物体的抓取。

Abstract

Transparent objects are common in our daily life and frequently handled in the automated production line. Robust vision-based robotic grasping and manipulation for these objects would be beneficial for automation. However, the majority of current grasping algorithms would fail in this

transparent object depth completion dataset end-to-end network robotic grasping

发现论文，激发创造

透明物体深度补全

我们提出了一种透明物体深度补全的端到端网络，结合了基于单视图 RGB-D 的深度补全和多视图深度估计的优点，并引入了基于置信度估计的深度细化模块，进一步改进了恢复的深度图。在 ClearPose 和 TransCG 数据集上进行的大量实验证明，与现有方法相比，我们的方法在具有显著遮挡的复杂场景中实现了更高的准确性和鲁棒性。

May, 2024

Seeing Glass: 透明物体的点云和深度联合补全

提出了一种新的透明物体的深度补全方法 TranspareNet，并成功建立了几乎 15000 张 RGB-D 图像的数据集 TODD，该方法不仅能够在复杂场景下对透明物体的深度进行精确的补全，而且也能够很好地处理有关干扰和混杂问题。

Sep, 2021

透明物体的三维形状估计和操作

ClearGrasp 是一种基于深度学习的方法，能够从单个 RGB-D 图像中准确估计透明物体的 3D 几何形状，以应对透明度对 3D 传感器造成的困扰，其表现优于单眼深度估计基线，并可广泛适用于实际物体的抓取改善。

Oct, 2019

ClearPose: 大规模透明物体数据集和基准

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

透明物体深度补全的 RGB-D 本地隐式函数

本文提出了一种基于局部隐式神经表示的方法，使用射线 - 体素对捕获透明物体的深度信息，并在缺失深度数据的情况下，利用迭代式自我纠正模型和大规模合成数据集进一步完善估计，实验结果表明，这种方法在合成和真实数据上均比现有的最佳方法 ClearGrasp 表现显著优越，并将推理速度提高了 20 倍。

Apr, 2021

ASGrasp: 从 RGB-D 主动立体相机进行可迁移的透明物体重建与抓取

本研究针对透明和反射对象的抓取问题，利用 RGB-D 主动立体相机提出了一种名为 ASGrasp 的 6 自由度抓取检测网络，通过透明物体的重建实现材料无关的抓持，优于现有的基于 RGB-D 的方法。

May, 2024

TransPose：用于透明物体的大规模多光谱数据集

本文介绍了 TRansPose 多光谱数据集，该数据集包括 99 种透明物体，其中 43 种家用物品、27 种可回收垃圾、29 种化学实验室用品和 12 种非透明物体，可以提供更好的透明物体视觉识别和形状信息。

Jul, 2023

MVTrans：透明物体的多视角感知

本论文提出了一种名为 MVTrans 的新型多视点方法，采用多种感知能力，包括深度估计、分割和姿态估计，可用于透明物体检测，并建立了一个逼真的数据集合成管道 Syn-TODD 用于网络训练。

Feb, 2023

单个 RGB-D 图像的深度完备化

本文介绍了通过深度网络进行 RGB-D 图片的深度补全，该方法的精度比直接补全深度更高，可应用于大多数物体表面甚至透明、光亮及遥远表面的深度补全。

Mar, 2018

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