Github资源推荐:目标姿态检测数据集和渲染方法

标准化数据集在多媒体研究中非常重要。

今天,我们想推荐一个githubrepo,它总结了姿态检测数据集和渲染方法。

项目地址Github资源推荐:目标姿态检测数据集和渲染方法:https://github.com/YoungXIAO13/ObjectPoseEstimationDatasets这个数据集汇总了用于对象姿态估计的数据集,以及生成合成训练数据的呈现方法。项目地址:https://github.com/YoungXIAO13/ObjectPoseEstimationDatasets数据集总结了用于物体姿态估计的数据集和生成合成训练数据的表示方法。

在下表中,3DCAD模型表示为模型,2D图像表示为对象。

本项目分为四个部分:受控环境中的对象现场对象3D模型数据集渲染方法受控环境中的对象本表列出了通常称为BOP的数据集:基准6D对象姿态估计,提供精确的3D对象模型和精确的2D~3D对准。

您可以下载所有防喷器数据集,并使用作者提供的工具箱。

使用项目上方的代码ply 2 bj . py转换原始代码。将文件提交到。并运行create_annotation.py为数据集中的所有场景创建注释文件。

上述数据集的下载地址:本表中的字段对象、Pix3D和扫描网提供精确的2D-3D对齐,而其他的只提供粗略的对齐。

PASCAL3D+是视点估计的事实参考。

扫描网通常用于评估场景重建和分割。

数据集下载地址:3D模型数据集为了验证网络的泛化能力,可以使用以下数据集生成合成训练数据。

请注意,作业成本法包含通用和任意的工业计算机辅助设计模型,而形状核心(ShapeNetCore)和模型网络(ModelNet)包含常见类别的对象,如汽车和椅子。

数据集地址:渲染方法可以稍微渲染有两篇参考论文:CVPR2018和NIPS2018。

BlenderRender该报告提供了相关的python代码,以使用Blender作为python模块从3D模型生成渲染图像,该模块易于安装和生成照片级真实图像。

你可以在这里找到更多使用它的方法。

Pybullet是机器人领域非常流行的物理模拟器。

其他:不支持无头渲染(ssh模式下的失败):帮助与虚拟世界交互和与外部程序通信的无阿伦引擎4扩展。

未经允许不得转载:威尼斯娱城38084 » Github资源推荐:目标姿态检测数据集和渲染方法
分享到:
赞(0)

评论抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址