卡内基梅隆大学 发布 NormalFlow Dataset 数据集, 应用在 机器人感知、物体跟踪 领域

卡内基梅隆大学 本次发布的数据集 NormalFlow Dataset, NormalFlow数据集由卡内基梅隆大学和伊利诺伊大学厄巴纳-香槟分校的研究团队创建，用于评估基于触觉的6DoF物体跟踪算法的性能。该数据集包含了12个不同类别的物体，涵盖日常物品、小型纹理物体和简单几何形状。数据集通过GelSight Mini传感器采集，分辨率为320×240，包含多个跟踪试验数据，旨在展示算法在不同物体和运动条件下的表现。数据集的创建过程包括手动标记接触区域和计算表面梯度，最终用于验证NormalFlow算法的精度和鲁棒性。该数据集的应用领域主要集中在机器人感知和控制任务中，旨在解决高精度物体跟踪和3D重建问题。

查看NormalFlow Dataset

关于 卡内基梅隆大学 , 卡内基梅隆大学是一所位于美国宾夕法尼亚州匹兹堡的私立研究型大学，以其在计算机科学、工程、商学和艺术等领域的卓越教育和研究而闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。