MVM-IOD：用于评估 3D 重建方法的以工业对象为中心的基准数据集

工业应用中的 3D 对象重建和相机姿态估计是具有挑战性的任务，因为错误代价高昂，而计算时间通常有限。典型工业对象的复杂性使这些任务进一步复杂化。这方面的大多数现有数据集都没有描绘现实的工业场景。因此，我们引入了机器视觉计量工业对象数据集（MVM-IOD）。通过将安装在工业机器人手臂末端执行器上的相机移动到物体周围的半球上，可以系统地捕获典型工业物体的图像。 MVM-IOD 包含参考相机姿势和参考 3D 点云、所采集的 9 个对象的 RGB 图像和 2 个背景选择（产生 18 个场景），这允许评估所有基于图像的方法，这些方法计算 3D 重建、相机姿势或场景的新颖视图。基于 MVM-IOD，我们广泛评估了当前的 SOTA 3D 重建和相机姿态估计方法，例如运动结构、多视图立体、最近的前馈方法（Visual Geometry Grounded Transformer，π3）和 2D Gaussian Splatting，并报告我们的发现作为未来研究的基线。实验表明，像我们这样的捕获设置会为前馈方法生成分布不均匀的图像，从而导致点云和相机姿势不理想。然而，通过应用简单的预处理步骤，这些分布外的图像可以更接近训练分布。因此，在某些工业应用中，应谨慎使用前馈方法。