GraspNet-1Billion 数据集

GraspNet-1Billion进阶

上海交大发布的真实杂乱场景抓取数据集，含超 11 亿个抓取位姿标注。

GraspNet-1Billion 是上海交通大学 MVIG 实验室（卢策吾组）发表在 CVPR 2020 的通用物体抓取基准，扩展版 2023 年刊于机器人期刊 IJRR。它包含 190 个杂乱摆放的真实场景、88 种物体，用 RealSense D435 和 Azure Kinect 两台 RGB-D 相机共拍了 97280 张图；每张图都标了物体 6D 位姿（三维位置加三维朝向）、实例掩码和稠密的 6 自由度抓取位姿，总数超过 11 亿个。此前的抓取数据多是单物体或仿真合成，这个数据集给出了真实杂乱桌面上的大规模标注，并配套开源了评测 API 和基线网络，让不同抓取检测算法能在同一标准下比较。同组后来的 AnyGrasp 也建立在这条工作线上。