2020年9月27日 机器视觉与计算机视觉技术

学习机器人技术的10个开源数据集

如今,研究人员正在努力对机器人实施人类层面的理解。例如,了解周围环境,手部运动,检测和抓取物体等等。

在本文中,我们列出了10个可用于以高级方式学习机器人的开源数据集。

1 |机器人手臂推数据集

机器人手臂推动数据集包含大约59,000个机器人推动动作的示例,其中包括一个训练集和两个测试集。第一个测试集使用了训练期间推送的两个不同的对象子集。第二个测试集涉及两个对象子集。该数据集的一个关键应用是在用于基于视觉的机器人控制任务中的决策的学习模型中实现它。

https://sites.google.com/site/brainrobotdata/home/push-dataset

2 |机器人手臂抓取数据集

机器人手臂抓取数据集包含大约650,000个机器人抓取尝试的示例。该数据集主要用于训练大型卷积神经网络(CNN),以预测抓取器的任务空间运动将导致成功抓取的概率。

https://sites.google.com/site/brainrobotdata/home/grasping-dataset

3 |日常交互操作数据集

日常交互操作的数据集中在日常任务中操作对象的位置、方向、力和扭矩。它是为完成特定任务而操作的工具/对象的三维位置和方向(po)、力和扭矩(ft)数据的集合。它包括1603个32种日常运动的试验和1596个单独浇注的试验以及帮助程序代码。

https://journals.sagepub.com/doi/full/10.1177/0278364919849091

4 |福冈地区分类数据集

福冈地区分类数据集是一个多模式三维数据集的集合。它包含几个数据集,用于使用全局信息进行位置分类,而无需对象分割。它还可以用于其他基于分割的方法,并且可以通过附加注释进行扩展。这些数据集包括在日本福冈市不同地点获得的室内和室外场景。

http://robotics.ait.kyushu-u.ac.jp/kyushu_datasets/

5 | MultiDrone公共数据集

空中机器人可以用于许多机器人任务,例如监视、监视、拍摄等。多无人机的公共数据集是使用预先存在的视听材料和新拍摄的无人机镜头收集的。它包括超过10小时的无人机镜头,描绘足球,划船和自行车(dw)。为了便于科学研究,在自行车、足球运动员、人群等的视觉检测和跟踪任务中,对该数据集的很大一部分进行了注释。

https://multidrone.eu/multidrone-public-dataset/

6 |具有多层次传感器的复杂城市数据集来自高度多样化的城市环境

具有多层次传感器的复杂城市数据集来自高度多样化的城市环境,可捕捉各种复杂的城市特征,解决复杂城市区域的主要问题,如不可靠和零星的全球定位系统(GPS)数据,多车道道路,复杂建筑结构,以及丰富的高动态物体。在该数据集中,提供了典型的LiDAR传感器数据2D和3D LiDAR。

https://journals.sagepub.com/doi/full/10.1177/0278364919843996

7 |人机协同操作的自然语言指令

用于人机协作操作的自然语言指令是用于操纵场景中的对象参考的自然语言指令的数据集。它包含1582份个人书面说明,这些说明是通过在线众包收集的。该数据集对于从事自然语言处理,人机交互和机器人操作的研究人员特别有用。

https://journals.sagepub.com/doi/full/10.1177/0278364918760992

8 | Yale-CMU-Berkeley数据集用于机器人操作研究

用于机器人操纵研究的Yale-CMU-Berkeley数据集是来自Yale-CMU-Berkeley对象集的现实对象的图像和模型数据集,该对象集专门用于操纵研究中的基准测试。该数据集包括600个高分辨率RGB图像,600个RGB-D图像和5组纹理化三维几何模型。

https://journals.sagepub.com/doi/full/10.1177/0278364917700714

9 | 家庭机器人数据集

Robot-at-home是用于家庭环境的语义映射的机器人数据集。它是来自家庭环境的原始和处理过的传感数据的集合,通过对象或房间的分类用于语义映射算法。该数据集包含87,000多个带时间戳的观测值,这些观测值由一个移动机器人收集,该机器人拥有四台RGB-D摄像机和一台2D激光扫描仪。

https://journals.sagepub.com/doi/full/10.1177/0278364917695640

10 |机器人3D扫描存储库

机器人3D扫描存储库是机器人社区的标准3D数据集,机器人运行的日志文件和机器人实验的3D点云的数据存储库。人们可以很容易地使用这些数据来开发SLAM或解释算法。

http://kos.informatik.uni-osnabrueck.de/3Dscans/

Banner
Related Posts

人工智能在银行数字化文档中的应用

2019年4月25日

2019年4月25日

光学字符识别(OCR)是机器视觉技术的一个子集,其重要是用于识别书写的字母和字符,并以数字方式进行再现复制以供以后使用。这为银行业带来了许多可能性,包括一些安全解决方案,尤其是文档数字化方面。

2019年全球人工智能领域事件大回顾

2019年12月26日

2019年12月26日

在2019年,人工智能的发展尤其令人难以置信,无论是在机器学习、神经网络、视觉、自然语言处理(NLP)等领域。这一年见证了技术的进步,为几年前人们无法想象的事情的进一步改进打开了新的大门。今天,由于人工智能在几乎所有部门、行业、国家和地区的潜力,还有更多的可能性。

采用智能视觉系统解决食物垃圾问题

2019年4月10日

2019年4月10日

英国Winnow公司推出了一款人工智能产品,旨在帮助商业厨房减少食物浪费。

13项令人难以置信的人工智能技术

2019年11月12日

2019年11月12日

到目前为止,我们大多数人都意识到人工智能(AI)正日益成为我们日常生活的一部分。但是,如果我们中的许多人了解到人工智能已经知道如何去做的一些技能,他们会感到相当惊讶。以下是人工智能今天已经可以做到的13项令人兴奋的技能。

在农业中引入人工智能和机器视觉技术来监测肉牛养殖

2019年3月15日

2019年3月15日

一家名为“育种家”的AUK初创公司正在改变农业市场,利用人工智能、区块链和机器视觉来改进育种和屠宰决策。

机器学习将彻底改变制造业的十个领域

2019年8月16日

2019年8月16日

麦肯锡(McKinsey)的数据显示,在未来5至7年内,50%的公司将采用人工智能技术,由于其对数据的严重依赖,这些公司的现金流有可能翻一番,制造业在所有行业中处于领先地位。

农业或成未来机器人产业落地极具优势的领域

2019年8月20日

2019年8月20日

联合国预测,到2050年,世界人口将从目前的76亿增加到98亿。从这个角度来看,全球收获倡议(GHI)预计,世界粮食生产国将需要增加70%的产量,以适应人口增长。此前GHI数据曾显示,从2005年到2019年,农业就业人数预计减少5800万人,减少了11%的农业劳动力

《2019年科技趋势报告》出炉:中国稳居AI研发全球第一

2019年3月14日

2019年3月14日

11日,Future Today Institute发布了第12份年度科技趋势报告,报告中给出了315个趋势,略高于去年的225个。这份报告总结分析了能源、机器人、人工智能、交通、数据、隐私及安全等领域的热门趋势。

2019年十大领先的计算机视觉初创公司

2019年4月8日

2019年4月8日

计算机视觉是昨日兴起的一项技术,如今已成为一项时髦的技术。计算机视觉使机器或计算机能够从多维数据源和图像中获取数据和信息,从而将其转化为有价值的见解。

人工智能、机器学习和机器人领域的7名女性领军人物

2019年5月28日

2019年5月28日

这些女性是人工智能、ML和机器人等前沿领域的领导者。看看他们已经取得的科技成果和应用的领域。

通过深度学习增强SLAM

2019年5月22日

2019年5月22日

同步定位与映射(SLAM)是在构建或更新未知环境的地图的同时,同时跟踪机器人在其中的位置的计算问题。SLAM正在逐步向空间人工智能(Spatial AI)发展,这是一种常识空间推理,将使机器人和其他人工设备能够在其环境中以一般方式运行。

2020年6个新兴的人工智能和机器学习趋势

2019年11月20日

2019年11月20日

那么,2020年将是为人工智能领域下一个十年的创新奠定基调并延续现有势头的关键一年。接下来我们将介绍一下研究公司认为2020年应当关注的六个新兴AI和机器学习趋势。

如何开发面向企业的机器学习应用软件

2019年9月9日

2019年9月9日

如今,大多数企业依赖机器学习(ML)应用程序来了解商机、识别市场趋势、预测客户行为和价格波动,以及做出正确的业务决策。开发这些机器学习应用程序需要遵循严格的计划和步骤。问题构建、数据清理、特征工程、模型培训和提高模型精度是开发机器学习应用程序可以遵循的几个步骤。

德国人工智能技术发展现状和未来趋势

2019年3月10日

2019年3月10日

人工智能是介于机械工程和计算机科学、心理学之间的领域。要了解人工智能,必须要了解机械工程学与语言学,它是一个跨学科领域的研究

低功耗FPGA解决智能视觉系统挑战

2019年4月9日

2019年4月9日

随着被集成到当前一代嵌入式设计中的传感器数量的迅速增加,以及低成本相机和显示器的集成,为一系列新的智能和视觉应用打开了大门。这种嵌入式视觉革命迫使设计师仔细重新评估他们的处理需求。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注