T-LESS: An RGB-D Dataset for 6D Pose Estimation of Texture-less Objects

如有错误，欢迎指正

本文翻译为机翻，仅作初步了解学习使用，需要用到的时候再回来整理。
如有侵权，请私信本人。
原文链接: https://arxiv.org/pdf/1701.05498.pdf

摘要

我们引入了一个新的公共数据集T-LESS来估计无纹理刚性物体的6D姿态，即平移和旋转。该数据集包含30个与行业相关的对象，这些对象没有明显的纹理，也没有区分颜色或反射特性。这些物体在形状和/或大小上表现出对称性和相互的相似性。与其他数据集相比，一个独特的特性是某些对象是其他对象的一部分。该数据集包括由三个同步传感器（特别是结构光和飞行时间¹RGB-D传感器以及高分辨率RGB相机）捕获的训练和测试图像。每个传感器大约有39K个训练图像和10K个测试图像。此外，还为每个对象提供两种类型的三维模型，即手动创建的CAD模型和半自动重建的CAD模型。训练图像在黑色背景下描绘单个对象。测试图像来源于20个复杂程度不同的测试场景，从简单的几个孤立的对象场景增加到具有多个对象实例、具有大量杂波和遮挡的非常具有挑战性的场景。这些图像是从对象/场景周围的一个系统采样的视球中捕获的，并用所有建模对象的精确地面真实6D姿势进行注释。初步评估结果表明，6D目标姿态估计技术有很大的改进空间，特别是在有明显遮挡的困难情况下。T-LESS数据集在cmp.felk.cvut.cz/t-less

1 介绍

无纹理的刚性物体在人类环境中很常见，需要从图像中学习、检测和精确定位它们，这在各种应用中都会出现。刚性物体的姿态有六个自由度，即三个平移和三个旋转自由度，通常需要对其进行充分的了解。例如，在机器人学中，6D物体姿势有助于空间推理，并允许末端执行器作用于对象。在增强现实场景中，物体姿态可以用来增强人们对现实的感知，方法是通过增加物体的额外信息，比如装配指导的提示。

无纹理物体的视觉外观受其全局形状、颜色、反射特性和光源配置的控制。缺乏纹理意味着传统技术依赖于光度局部斑片检测器和描述符无法可靠地识别物体[9,31]。相反，最近处理无纹理物体的方法主要集中在局部三维特征描述[33,51,19]，以及主要依赖强度边缘和深度线索的半全局或全局描述[20,24,54,5,14,21,27]。因此，由广泛使用的Kinect类传感器获得的由对齐的颜色和深度图像组成的RGBD数据已经发挥了重要作用。