BOP Classic
LM-O
LINEMOD-Occluded
为 LINEMOD 的一个测试序列补充全部已建模物体的真值，形成经典遮挡压力测试。
实例级 · 已知模型 真实采集 RGB-D
遮挡桌面
适合：已知模型、重遮挡下的单帧姿态与 BOP Classic 对比。
Datasets & Metrics
数据集与评测
从可复现的 BOP 横评，到类别级泛化、未见物体 onboarding、透明材质与手物交互：先用任务条件选数据，再用与协议匹配的指标读结果。
POSE DATASET ATLAS
按任务条件选数据，而不是只按名称找数据
本目录以指定综述的任务划分为骨架，并补充综述发布后或未单列的公开资源。每条记录都标出“它测什么、需要什么、容易在哪失败”； 训练资产与固定评测基准分开列出，避免误用。
- 40
- 条可取用资源
- 17
- 条 BOP 生态数据
- 9
- 条类别级集合
- 6
- 条未见物体集合
快速选型
显示 40 条资源
BOP Classic
T-LESS
无显著纹理和判别色的工业零件；形状/尺寸相近并带多种对称性。
实例级 · 已知模型 真实 + 合成 RGB-DRGB
弱纹理对称相似形状工业
适合：对称感知评测、纹理缺失、工业抓取与 BOP AR。
BOP Classic
ITODD
MVTec ITODD
由高质量 Gray-D 传感器采集的工业物体数据；公开真值覆盖训练/验证，测试真值受控。
实例级 · 已知模型 真实 + 合成 RGB-D
工业金属遮挡
适合：工业零件、深度感知和 BOP 受控测试协议。
BOP Classic
HB
HomebrewedDB
玩具、家居与工业物体混合的 RGB-D 数据，含 Primesense 与 Kinect 采集。
实例级 · 已知模型 真实 + 合成 RGB-D
桌面遮挡跨传感器
适合：已知模型 RGB-D、不同传感器和混合物体域的验证。
BOP Classic
YCB-Video
YCB-V
桌面多物体视频基准，常用于 RGB/RGB-D 的已知物体 6D pose。BOP 版提供统一格式与 PBR 训练图像。
实例级 · 已知模型 真实 + 合成 RGB-DRGB
遮挡桌面视频
适合：经典多物体 RGB-D 对比；注意不要使用与测试姿态泄漏的原始合成训练图像。
BOP Classic
IC-BIN
来自 IC-MI 的两个物体，在料箱多个位置出现并伴随严重遮挡。
实例级 · 已知模型 真实 + 合成 RGB-D
重遮挡料箱工业
适合：小规模但高遮挡的 bin-picking 定性与协议验证。
BOP Classic
TUD-L
TUD Light
三件运动物体在八种光照条件下的训练与测试序列。
实例级 · 已知模型 真实 + 合成 RGB
光照桌面
适合：控制变量下的光照鲁棒性实验；规模小，不宜单独作为泛化结论。
BOP Classic
LINEMOD
LM
经典单物体 6D pose 数据；每个序列主要标注一个目标，遮挡相对温和。
实例级 · 已知模型 真实 + 合成 RGB-D
弱纹理杂乱背景
适合：复现基础 pipeline 与检查实现；不要把分数外推为复杂遮挡性能。
BOP-H3
HOPE / HOPEv2
可购买的玩具杂货物体在家居/办公室采集；HOPEv2 扩展了 BOP-H3 多视角真实测试。
实例级 · 已知模型 真实 + 合成 RGBRGB-D
遮挡光照日用品
适合：家庭机器人、可复现物体采购、BOP-H3 的见过/未见物体检测。
BOP Classic
RU-APC
Rutgers APC
Amazon Picking Challenge 商品在杂乱仓储货架中的 RGB-D pose 数据。
实例级 · 已知模型 真实 + 合成 RGB-D
货架遮挡商品
适合：仓储 pick-and-place、纹理商品与遮挡场景。
BOP Classic
IC-MI
两个弱纹理与四个有纹理家居物体，多实例出现且带有轻度遮挡。
实例级 · 已知模型 真实 + 合成 RGB-D
遮挡弱纹理
适合：早期 RGB-D 6D pose 方法复现、与 IC-BIN 的遮挡难度对照。
BOP Classic
TYO-L
Toyota Light
受控桌面拍摄的 21 件物体，强调姿态变化、桌布和光照变化。
实例级 · 已知模型 真实采集 RGB
光照桌面
适合：纯 RGB 的光照与背景变化对照。
BOP-H3
HOT3D / HOT3D-Clips
头戴设备下的手物追踪数据，提供物体、手、相机真值和眼动等；BOP 使用质检过的 Clips 子集。
未见物体 · 在线建模 真实 + 合成 RGBMulti-viewEgocentric
手物交互鱼眼在线建模多视角
适合：动态 object onboarding、第一视角手物交互、BOP-H3 未见物体任务。
BOP-H3
HANDAL
手持物体数据集；BOP 选取带可用 CAD 的子集并加入额外测试集。
未见物体 · 在线建模 真实 + 合成 RGBEgocentric
手遮挡未见物体第一视角
适合：手遮挡、已知/未知模型检测与 BOP-H3 任务。
BOP Industrial
IPD
Industrial Parts Dataset
以 HDR 和结构光采集的工业多视角数据，属于 BOP Industrial。
实例级 · 已知模型 真实 + 合成 RGBMulti-view
工业多视角反射
适合：多视角工业检测、跨视角融合与 BOP Industrial 协议。
BOP Industrial
XYZ-IBD
XYZ Industrial Bin-picking Dataset
工业 bin-picking 数据，包含精确物体位姿真值并采用 BOP Industrial 格式。
实例级 · 已知模型 真实 + 合成 RGBMulti-view
料箱工业多视角
适合：多视角料箱抓取与实际工业部署的压力测试。
BOP Industrial
ITODD-MV
ITODD 的多视角扩展，用于 BOP 工业组的单/多视图已知或未见模型检测。
实例级 · 已知模型 真实 + 合成 RGBMulti-view
工业金属多视角
适合：已使用 ITODD 时的多视角扩展实验。
独立基准
YCBInEOAT
面向对象操作与动作任务的 YCB 视频序列，保留手和物体交互带来的遮挡。
实例级 · 已知模型 真实采集 RGB-DVideo
交互遮挡视频
适合：交互式 manipulation 序列中的已知物体跟踪。
独立基准
ClearPose
大规模透明物体 RGB-D 数据，专门覆盖透明材料在深度与颜色上的失效模式。
实例级 · 已知模型 真实采集 RGB-D
透明遮挡反射
适合：透明物体 6D pose、透明深度补全与跨材质鲁棒性。
独立基准
MP6D
面向金属零件姿态估计的真实/合成混合数据，强调高反射表面。
实例级 · 已知模型 真实 + 合成 RGB-D
金属反射工业
适合：金属工业件、真实到合成迁移和反射鲁棒性。
独立基准
StereOBJ-1M
大规模双目 RGB 6D pose 数据；在不同环境中采集透明、反光、对称物体。
实例级 · 已知模型 真实采集 Stereo RGBMulti-view
透明半透明镜面反射对称
适合：双目几何、透明/反光物体以及大规模单实例训练。
独立基准
CAMERA25
NOCS CAMERA
NOCS 基准的合成部分，使用 ShapeNet 模型构成类别级 RGB-D 训练/评测条件。
类别级 · 未见实例 合成 / 仿真 RGB-D
类别泛化尺度合成到真实
适合：类别级 6D + 尺度、合成预训练；应与 REAL275 一起报告。
独立基准
REAL275
NOCS REAL
NOCS 基准的真实部分；未见实例上的类别级 pose/size 是主要评价目标。
类别级 · 未见实例 真实采集 RGB-D
类别泛化尺度真实场景
适合：与 CAMERA25 配套的真实类别泛化主基准。
独立基准
kPAM
用关键点与操作约束表达类别级物体，面向机器人 manipulation 而非单纯 CAD 对齐。
类别级 · 未见实例 真实采集 RGB-D
类别泛化抓取可供性
适合：类别级抓取、可供性与关键点驱动的 pose representation。
独立基准
TOD
Transparent Object Dataset
透明物体数据集，包含双目和 RGB-D 观测，覆盖透明材质的类别级 pose/size。
类别级 · 未见实例 真实采集 Stereo RGBRGB-D
透明折射类别泛化
适合：透明类别级方法、立体输入与尺度评测。
独立基准
Objectron
移动设备采集的对象中心数据，提供对象 3D box、关键点和相机姿态，关注真实移动端场景。
类别级 · 未见实例 真实采集 RGBMobile AR
移动端野外尺度
适合：RGB-only、移动端 AR、类别级 3D box/9DoF；其标注并非细粒度 CAD 表面 pose。
独立基准
Wild6D
真实视频中的类别级 6D pose 数据，强调自然环境、快速运动与遮挡。
类别级 · 未见实例 真实采集 RGBVideo
野外视频类别泛化
适合：in-the-wild RGB 视频、类别级时序 pose 与域泛化。
独立基准
PhoCaL
结合光度与偏振信息的类别级数据，包含透明与反光等高光学难度物体。
类别级 · 未见实例 真实采集 RGB-DPolarization
透明反射偏振
适合：偏振/RGB-D、多材质类别级 pose、光学难例。
独立基准
HouseCat6D
真实家庭场景的多模态类别级数据，覆盖日常、透明与反光物体，并提供抓取标注。
类别级 · 未见实例 真实采集 RGB-DPolarization
类别泛化遮挡透明反射
适合：类别级 RGB-D/偏振、家庭环境和抓取感知。
独立基准
Omni6D
大词表类别级 RGB-D 数据，将类别数从传统 NOCS 级别扩展到 166 类并加入复杂背景/遮挡。
类别级 · 未见实例 真实 + 合成 RGB-D
大词表遮挡类别泛化对称
适合：大词表类别级 pose、广义泛化和对称感知评测。
独立基准
BMVC articulated set
BMVC
综述收录的早期关节物体姿态集合，规模较小，主要用于与新型关节数据做历史对照。
关节 / 手物交互 真实采集 RGB-D
关节部件 pose
适合：早期 articulated pose 复现；不建议单独承担泛化结论。
独立基准
RBO
RBO Dataset of Articulated Objects
真实交互式关节物体数据，适合考察运动部件、遮挡与时间连续性。
关节 / 手物交互 真实采集 RGB-DVideo
关节交互时序
适合：关节状态估计、交互场景和视觉机器人研究。
独立基准
HOI4D
大规模第一视角 RGB-D 交互数据，提供逐帧类别级物体 pose、手 pose、动作和场景标注。
关节 / 手物交互 真实采集 RGB-DEgocentricVideo
手物交互关节第一视角时序
适合：类别级 object pose tracking、手物交互与具身时序任务。
独立基准
ReArtMix / ReArtVal
ReArtMix 提供大规模合成交互/关节数据，ReArtVal 提供真实验证视频，二者构成训练与实景评测组合。
关节 / 手物交互 真实 + 合成 RGB-D
关节合成到真实遮挡
适合：关节类别泛化、合成训练到真实验证。
独立基准
ContactArt
通过视觉遥操作在物理仿真器采集的关节物体与手接触数据，真值包含部件姿态和接触。
关节 / 手物交互 合成 / 仿真 RGBVideo
关节接触手物交互
适合：接触先验、手与关节物体联合 pose，需留意仿真到真实差异。
独立基准
MOPED
面向测试时多视图 object modeling 与跨环境匹配的未见物体 pose 数据。
未见物体 · 在线建模 真实采集 RGB-DMulti-view
未见物体在线建模跨环境
适合：模型自由/测试时建模与多环境泛化。
独立基准
GenMOP
使用参考图像而非预先给定 CAD 的泛化物体 pose 基准。
未见物体 · 在线建模 真实采集 RGB
未见物体RGB-only模型自由
适合：reference-based unseen-object pose、RGB-only 泛化。
独立基准
OnePose
测试前通过普通手机视频建立对象表示，之后在杂乱场景中估计未见物体 pose。
未见物体 · 在线建模 真实采集 RGBVideo
未见物体在线建模低纹理
适合：可部署的 object onboarding、参考视频重建和 model-free pose。
独立基准
OnePose-LowTexture
OnePose 的低纹理难例子集，检验仅依赖局部特征的未见物体 pose 方法。
未见物体 · 在线建模 真实采集 RGBVideo
未见物体低纹理在线建模
适合：低纹理 object onboarding 与泛化失败分析。
独立基准
MegaPose training data
MegaPose
面向 BOP 未见物体任务的大规模合成训练资源，不是带固定实景测试集的独立 benchmark。
训练资产 合成 / 仿真 RGB
未见物体大规模预训练
适合：FoundationPose / MegaPose 类预训练与 BOP unseen 任务；评测仍需回到具体 benchmark。
没有匹配项。可以清除筛选，或试试“透明”“遮挡”“RGB-D”“未见物体”等词。
目录范围与来源说明
收录标准：有公开或明确可申请的图像/视频与 pose（或直接服务 pose 的）标注，且能用于物体位姿研究。小型历史集合也保留，但会在推荐用途里提示其局限。
未逐项纳入仅有 3D 模型、没有 pose 任务标注的通用资产库；唯一例外是明确面向未见物体 pose 预训练的 MegaPose training data，并被标为“训练资产”。数据许可、下载入口和版本会变化，请在开始实验前以项目页为准。
Metrics
常见指标怎么理解
误差函数、阈值规则与最终分数不是同一层概念。先看它在哪里测误差，再确认是否处理对称、遮挡及怎样聚合。
每张卡片都可以进入详情页：先用“极速版概要”回想，再看公式、示意、适用边界、BOP 协议以及文献库中的关联论文。
查看全部指标 →Rotation Error
Geodesic Rotation Error
3DoF
只看预测与真实朝向之间的最小旋转角，通常与平移误差或 5° 等阈值一起报告。
Translation Error
3D Translation Error
3DoF
直接测预测与真实物体中心的三维距离，必须同时确认坐标系与 m / mm / cm 单位。
n° mcm
Rotation–Translation Threshold Accuracy
threshold
只有旋转与平移同时低于阈值才算成功；5°2cm、5°5cm、10°5cm 都属于这一类。
ADD
Average Distance of Model Points
error
用预测姿态和真实姿态分别变换 CAD 模型点，然后计算平均三维距离。它适合非对称物体，但会惩罚视觉上等价的对称姿态。
ADD-S
Average Closest Point Distance
error
对每个模型点寻找最近点距离，减轻对称物体的等价姿态问题。它常用于轴对称或重复结构明显的物体。
ADD(S)
ADD / ADD-S reporting protocol
protocol
按物体对称性选择 ADD 或 ADD-S 后再聚合；它不是新的距离公式，必须同时确认对象划分和阈值。
ADD AUC
Area under the ADD recall curve
aggregate
在一段误差阈值内平均 recall，比单独的 ADD-0.1d 更连续；积分上限必须一致。
2D Projection
2D Projection Error
error
在图像平面比较预测与真实 CAD 投影，常以 Proj@5px / Prj-5 报告，特别适合 RGB-only 视觉对齐。
VSD
Visible Surface Discrepancy
BOP error
比较预测姿态和真实姿态下可见表面的差异，关注图像中真正可见的部分，适合处理遮挡和对称带来的歧义。
MSSD
Maximum Symmetry-Aware Surface Distance
BOP error
考虑物体对称集合后的最大表面距离，强调三维空间中的最坏情况偏差。
MSPD
Maximum Symmetry-Aware Projection Distance
BOP error
在图像平面比较投影误差，适合观察姿态误差最终会在二维图像中造成多大偏移。
BOP AR
BOP Average Recall
aggregate
BOP 在 VSD、MSSD、MSPD 的多组阈值上计算 recall，再逐层聚合为 AR；它不是单独距离。
BOP AP
Average Precision for 6D Detection
detection
当目标身份未知时，BOP detection 同时评估检测、置信度排序与 pose，使用 AP 而不是 localization AR。
3D IoU
3D Bounding-box Intersection over Union
9DoF
预测尺寸的类别级任务常用它比较三维 box 重叠，同时受位置、旋转和尺寸影响。
Chamfer Distance
Bidirectional nearest-point shape distance
shape
用双向最近点距离评价形状重建或补全质量；它与 pose 指标互补，不能相互替代。
Reading Results
读结果表时先问三个问题
同一个方法在不同数据集和指标下表现可能差很多。先确认场景条件，再比较数字。
物体是否对称
如果物体有旋转对称或重复结构，传统 ADD 可能低估等价姿态的合理性，应结合 ADD-S 或 BOP 的对称感知指标。
是否依赖深度
RGB-D 方法通常能获得更好的平移和表面对齐，但部署要求不同，不能直接和纯 RGB 方法混为一类。
评测协议是否一致
BOP 的 AR、传统 ADD(-S) accuracy、投影误差和论文自定义阈值不是同一个量，横向比较时要确认协议。