前言
针对机器人抓取中的检测、分割、姿态识别、抓取点检测、路径规划等任务，总结了对应的数据集，在这里分享下，数据格式为类别+数量。
一、检测任务
PASCAL VOC：20类，11540
SUN：908类，131,072
MS COCO：91类，328,000
Places：434类，10 millions
Open Images：6000类，9 millions
二、分割任务
PASCAL VOC 2012 Segmentation：21类，2913
PASCAL-Context：540类，19,740
PASCAL-Part：20类，19,740
SBD：21类，11,355
MS COCO：80类，204,721
DAVIS：4类，8422
三、姿态识别任务
LineMod：15类，1100+ frame video sequences
T-LESS：30类，49K images
PU-APC：24类，10000 images
YCB-Video：21类，92 RGB-D videos
四、抓取点检测
Standford Grasping：10 object，13747 RGB Images，13747 Depth Images
Cornell Grasping：240 object，885 RGB Images，885 Depth Images
YCB Benchmarks：77 object，46200 RGB Images，46200 Depth Images
CMU dataset：150+object，50567 RGB Images
Google dataset：800000 RGB Images
Dex-Net 1.0：150+object，50567 RGB Images
Dex-Net 2.0：150+object，50567 RGB Images
JACQUARD：11619object，54485 RGB Images，108970Depth Images
五、抓取路径规划
抓取路径规划数据集：
1、Supersizingself-supervision: Learning to grasp from 50k tries and 700 robot hours.
2、Learning hand-eyecoordination for robotic grasping with deep learning and large-scale datacollection.
3、Multimodal grasp dataset: A novel visual–tactile data set for robotic manipulation.
抓取仿真：
1、Graspit! a versatile simulator for robotic grasping.
2、Opengrasp: A toolkit for robot grasping simulation.
3、Deep reinforcement learning for vision-based robotic grasping: Asimulated comparative evaluation of offpolicy methods.
上述内容，如有侵犯版权，请联系作者，会自行删文。
