Datasets BOP

[junxnone]

BOP

• BOP - Benchmark for 6D Object Pose Estimation - 6D 物体位姿估计数据集
• 用于 6D 姿态 / 位姿检测、机器人抓取、工业视觉
• 一般提供如下数据:
  • RGB-D图像
  • 物体3D模型
  • 6D真实位姿(GroundTruth)
  • 掩膜/边框标注
  • 相机内参

1. LM-O 遮挡物体数据集

基础参数

数据集全称：Linemod-Occluded

• 物体数量：8 个经典日用物件（罐头盒、马克杯、订书机、小瓶子等），源自 Linemod 基础数据集
• 图像总量：1214 张真实 RGB-D 测试图；无官方实景训练图，行业通用规则：原 LM 数据集 15% 画面划分做训练集，剩余做测试
• 图像分辨率：640×480，Kinect v1 采集，深度图有效测距 0.5~3m

场景与难点

• 场景：桌面杂乱摆放，全场景重度物体互相遮挡，单个物体平均遮挡率 35%~70%，是遮挡位姿入门基准；
• 纹理：多数物体表面带有印刷纹理，少数圆柱类物体轴对称；

量化相关特点

圆柱类物体在 FP16 量化后偶发 180° 旋转误差，带纹理物体 FP32/FP16 结果基本一致；

适用场景：论文算法基线评测、遮挡场景位姿预训练。

---

2. YCB-V 日常物体视频数据集

基础参数

数据集全称：YCB-Video

• 物体数量：21 件 YCB 工业标准化日用品（工具、食品罐、塑料玩具、餐具，出自 50 件 YCB 物体库）
• 图像总量：92 段连续 RGB-D 视频，合计133827 帧，640×480 分辨率；官方配套百万级 Blender 合成训练数据集（YCB-Synth）
• 采集设备：Intel RealSense D400 系列，室内居家桌面环境

场景与难点

• 动态连续画面，物体缓慢位移、多物体堆叠，自然光 + 室内混合光照，阴影变化剧烈；
• 包含金属反光、半透明塑料、哑光材质等多种表面特性；

量化相关特点

大部分物体纹理丰富，FP32/FP16 推理差异小；仅圆柱形罐头偶发角度偏移；

适用场景：机器人抓取算法训练 / 评测、视频序列 6D 位姿跟踪（PoseCNN、DPOD 经典数据集）。

---

3. T-LESS 无纹理工业零件数据集

基础参数

数据集全称：Texture-Less

• 物体数量：30 款精密工业五金零件（卡扣、套筒、法兰盘、异形金属件），全物体无表面印刷纹理、大量轴对称 / 中心对称结构
• 图像总量：每个物体 1296 张实拍图，全数据集合计≈39000 张 RGB-D，多视角环绕拍摄
• 采集环境：实验室标准光源 + 多角度补光，零件密集堆叠

场景与难点

• 无纹理 + 几何对称是最大痛点：物体外形高度雷同，仅靠几何轮廓区分；大量回转体零件绕轴旋转 180° 后视觉完全一致；

量化相关（重点对应你的 180° 偏差）

本数据集是 FP16 量化角度跳变最高发数据集：半精度浮点数值舍入丢失微小几何特征，对称零件极易出现 ±180° 旋转预测错误，FP32 全精度因数值冗余可保留细微特征，结果稳定；

适用场景：工业无纹理零件质检、严苛对称物体位姿算法验证。

---

4. ITODD 高精度金属工业零件数据集

基础参数

数据集全称：Industrial Textureless Object Detection Dataset

• 物体数量：28 个高精度金属机械零部件（轴承座、精密冲压件、阀件，MVTec 官方出品工业零件）
• 图像总量：实景测试图不足 1000 张，无配套官方实景训练集，仅靠合成数据做训练；
• 图像特征：金属镜面高光、强反光，环境为工厂工作台杂光

场景与难点

• 金属高光造成局部深度失效、表面像素过曝；过半零件为回转对称结构；

量化特点：金属反光 + 对称双重问题，FP16 推理相比 FP32 更容易发生 180° 周向旋转偏差；

适用场景：汽车零部件自动化质检、精密金属件视觉定位。

---

5. IC-BIN 工业塑料料盒分拣数据集

基础参数

数据集全称：Industrial Containers Binning Dataset

• 物体数量：8 款方形 / 圆柱形工业塑料收纳料盒，BOP 评测固定选取其中 3 个零件做基准测试
• 图像总量：3 组测试序列，合计 150 张 RGB-D 实拍图；无原生训练数据，依赖合成图训练

场景与难点

• 料箱内杂乱嵌套堆叠，箱体大面积互相遮挡；纯色注塑塑料零纹理、高度轴对称；

量化特点：纯色对称塑料件 FP16 量化后轮廓特征精度下降，绕中心轴 180° 翻转是高频错误；

适用场景：仓储自动化料盒分拣、流水线箱体抓取定位。

---

6. HB 居家杂乱物体数据集

基础参数

数据集全称：HomebrewedDB

• 物体数量：33 个混合物件：17 件玩具 + 8 件家用厨具 + 8 件小型工业零件，物体尺寸跨度大（2cm~25cm）
• 图像总量：13 个拍摄场景，共 4420 张图；BOP 官方拆分 3 组 ×100 张作为标准测试集，剩余用于自验证

场景与难点

• 室内多变自然光，近距离微距拍摄，物体密集重叠、明暗阴影剧烈；混合对称 / 非对称物体；

量化特点：非对称纹理物件 FP32/FP16 基本无差，圆柱对称小件存在少量 180° 误差；

适用场景：通用杂乱居家环境机器人抓取算法测试。

---

7. TUD-L 灯具零部件光照测试数据集

基础参数

数据集全称：Technische Universität Darmstadt Light Dataset

• 物体数量：3 款照明灯具金属 / 塑料配件，全部为回转轴对称结构（圆筒、法兰底座）
• 图像总量：多序列动态拍摄，8 种差异化光照环境（强光 / 弱光 / 侧逆光 / 顶光），物体画面内缓慢移动

场景与难点

• 金属壳体反光 + 圆柱全对称，不同光照下物体轮廓形变明显；

量化特点：全对称结构，FP16 半精度量化后几乎必然出现绕轴 180° 预测偏差，是验证量化鲁棒性专用数据集；

适用场景：灯具生产线自动化装配定位、光照鲁棒性测试。

Reference

• gdrive