DIO: Dataset of 3D Mesh Models of Indoor Objects

DIO数据集是由多伦多大学等机构创建的，包含141个室内物体的3D网格模型，主要用于机器人和计算机视觉应用。数据集涵盖了从家具到玩具等多种类别，通过使用DSLR/手机相机和3D扫描技术生成。创建过程中，使用了Meshroom和MeshLab等软件进行图像处理和模型编辑，确保了模型的高保真度和细节。该数据集特别适用于需要高精度模型和图像的模拟环境，如机器人导航和物体操作训练。

The DIO Dataset was developed by the University of Toronto and other institutions. It contains 3D mesh models of 141 indoor objects, and is primarily intended for robotics and computer vision applications. The dataset covers a wide range of categories from furniture to toys, and is generated using DSLR/mobile phone cameras and 3D scanning technologies. During the development process, software tools such as Meshroom and MeshLab were employed for image processing and model editing, ensuring the high fidelity and detailed quality of the models. This dataset is particularly suitable for simulated environments requiring high-precision models and images, such as robotic navigation and object manipulation training.

搜集汇总

数据集介绍

构建方式

在三维建模与机器人仿真领域，高保真室内物体模型的构建常面临效率与精度的双重挑战。DIO数据集通过融合两种先进技术路径实现模型采集：其一是基于摄影测量学的被动扫描流程，采用专业单反相机或智能手机从多视角捕捉物体图像，经由Meshroom软件进行稠密表面重建，再通过MeshLab进行网格编辑与简化，确保几何与纹理的高精度还原；其二是利用Occipital Structure Sensor Mark II Pro主动式三维扫描仪，通过结构光技术快速获取大型物体的深度数据与色彩信息，显著提升采集效率。两种方法互补，覆盖了从小型摆件到大型家具的多样化物体尺度。

使用方法

该数据集可直接应用于机器人仿真与计算机视觉任务。用户可通过项目网站获取模型文件与图像资源，其中网格模型以通用格式存储，便于导入Gazebo等仿真平台构建虚拟环境，进行机器人导航、操作等任务的测试与验证。同时，附带的高质量图像可用于物体检测、分类模型的训练，或作为神经渲染方法的输入数据以生成新颖视角。对于动态仿真需求，用户可基于网格模型进一步计算惯性属性，并优化碰撞网格以平衡计算效率与物理准确性。

背景与挑战

背景概述

在机器人学与计算机视觉领域，高保真三维模型对于构建逼真的仿真环境至关重要，能够有效支持算法验证与智能体训练。DIO数据集由多伦多大学、巴斯大学等机构的研究团队于2024年创建，旨在提供室内物体的三维网格模型，以解决传统CAD建模耗时耗力的问题。该数据集通过摄影测量与主动三维扫描技术，生成了涵盖家具、家居装饰、电子产品等13类共141个模型，并附有3584张高分辨率图像，为机器人仿真、神经辐射场等前沿研究提供了丰富的真实世界数据资源。

当前挑战

DIO数据集致力于解决室内物体三维建模的领域挑战，即如何高效生成兼具几何精度与纹理真实感的模型，以支持机器人操作、场景理解等任务。在构建过程中，团队面临多重技术难题：其一，摄影测量方法对光照条件极为敏感，阴影与反射表面易导致重建失真；其二，主动扫描设备在捕捉透明或反光物体时存在数据缺失，限制了模型类型的完整性；其三，大规模物体扫描需平衡覆盖范围与细节精度，增加了流程复杂性。此外，与现有数据集相比，DIO在模型数量与类别多样性上仍有扩展空间。

常用场景

经典使用场景

在机器人学与计算机视觉领域，构建高保真的虚拟仿真环境是算法验证与系统测试的基石。DIO数据集通过融合摄影测量与主动三维扫描技术，提供了涵盖家具、家居装饰、电子产品等13类室内物体的精细网格模型。这些模型以其对几何细节与纹理的高精度还原，成为填充仿真场景的核心资源，例如在iGibson等仿真平台中，研究者能够利用这些模型构建逼真的室内环境，进而训练机器人执行导航、物体操控等复杂任务。

解决学术问题

传统三维模型构建依赖人工CAD建模，耗时耗力且难以捕捉真实物体的细微特征。DIO数据集通过自动化扫描流程，有效解决了模型生成效率与真实感之间的平衡问题。它不仅为三维重建、神经渲染（如NeRF、3D高斯泼溅）等前沿研究提供了高质量的图像与网格数据，还支持物体检测、语义分割等计算机视觉任务。其包含的大尺寸物体模型（如桌椅、沙发）弥补了现有数据集（如Google Scanned Objects）在尺度覆盖上的不足，推动了室内场景理解与机器人交互研究的深化。

实际应用

DIO数据集的实际应用价值在机器人仿真与训练中尤为突出。例如，在Gazebo仿真环境中，数据集中的模型被用于构建自定义室内场景，支持同步定位与地图构建（SLAM）算法的测试与优化。通过将模型转换为仿真描述格式（SDF），研究者能够为物体添加惯性属性，模拟真实物理交互，从而为家庭服务机器人、自动化仓储系统等领域的抓取、放置任务提供可靠的虚拟测试平台。这种应用显著降低了实体实验的成本与风险，加速了机器人系统的开发周期。

数据集最近研究

最新研究方向

在机器人学与计算机视觉领域，高保真三维室内物体模型数据集正成为推动仿真环境构建与算法验证的关键资源。DIO数据集通过融合摄影测量与主动三维扫描技术，提供了涵盖家具、家居装饰等多类别物体的精细网格模型及原始图像，其独特价值在于支持大规模物体扫描并公开配套图像数据，这直接契合了神经辐射场（NeRF）、3D高斯泼溅等前沿神经渲染方法的训练需求。当前研究热点集中于利用此类真实扫描数据增强仿真环境的物理真实感，例如在Gazebo等平台中集成带惯性属性的模型以优化机器人抓取与导航任务的训练效率，同时推动透明、反光物体建模的技术突破，以拓展其在增强现实与自动化家居场景中的应用潜力。

相关研究论文

• DIO: Dataset of 3D Mesh Models of Indoor Objects for Robotics and Computer Vision Applications

  多伦多大学 · 2024年