【3D】数据集整理ing

前言

最近需要把之前的检测任务联合实际场景作抓取实验，在此提前整理一下可能需要用上的数据集。

正文

1 YCB-Video

YCB-video 21 objects

原项目网址：https://rse-lab.cs.washington.edu/projects/posecnn/

数据集网址：谷歌云盘

数据集介绍：accurate 6D poses of 21 objects from the YCB dataset observed in 92 videos with 133,827 frames

数据集标注信息：

（1） 中心：图像中3D模型原点的投影的2D位置；

（2） mask及对应的类别：对象的类标签；

（3） 深度图像；

（4） 相机内参；

（5） 6D Pose：图像中对象的6D姿态；

（6） 旋转平移矩阵：相机相对于第一帧的旋转矩阵R及平移矩阵T；

（7） 坐标信息：图像中每个像素在3D模型空间中的坐标。

数据集目标及购买链接：

2 GraspNet-1Billion

190 scenes, 97,280 images, 88 objects, 2 cameras

原项目网址：https://graspnet.net/index.html

数据集网址：https://graspnet.net/datasets.html

数据集介绍：It contains 190 cluttered and complex scenes captured by two popular RGBD cameras (Kinect A4Z and RealSense D435), bringing 97,280 images in total.一共有88个物体。

数据集标注信息：

（1）深度图像

（2）mask及对应的类标签

（3）6D pose

（4）相机内参

（5）对应的3D模型路径

（6）旋转平移矩阵：相机相对于第一帧的旋转矩阵R及平移矩阵T

（7）二指抓取标注

（8）遮挡标签

3 NOCS

NOCS Dataset

原项目网址：https://github.com/hughw19/NOCS_CVPR2019

数据集网址：https://github.com/hughw19/NOCS_CVPR2019#datasets

数据集介绍：

（1）以合成物体为目标，真实场景为背景，构建30万张混合现实图像

（2）以真实物体为目标，真实场景为背景，构建8000帧真实图像

（3） 一共六个类别：bottle, bowl, camera, can, laptop, and mug

（4）一张图像大致3~5个目标

数据集标注信息：

（1）NOCS map

（2）深度信息

（3）mask及对应的类标签

（4）对应的3D模型

（注：可通过计算得到6D姿态）

数据集目标及购买链接：

4 BigBIRD

BigBIRD Dataset

原项目&数据集网址：http://rll.berkeley.edu/bigbird/

数据集介绍：针对于185个目标中的每一个目标，用５副不同角度的RGB-D相机同时对其进行拍照（下图NP1+N1~NP5+N5），然后转动载物的圆盘，对目标的不同角度进行拍照。最终得到5*120(角度数)=600张。

数据集标注信息：

（1）深度图像

（2）mask

（3）6D pose

（4）相机内参

（5）3D模型