采用高精度摄像头，采集多种物体的空间三维坐标，用以训练模型识别三维物体，基于训练所得的模型能力实现机器人抓取。

基于三维点云局部信息的物体识别方法，采用轴对齐立方体搜索策略实现点云局部区域搜索，提取物体三维空间坐标形成点云编码特征，使用分类/分割网络模块对点云编码特征进行特征向量处理，形成简化的PointNet，以PointNet为基础数据，输入模型进行训练（深度学习），使模型能够实现自主的物体识别。

数据集适用于对深度学习框架下的模型训练，通过合理采集物体对象的三维特征，形成训练数据集，输入模型后可显著提高机器人对物体的识别能力，基于特定物体的训练，实现机器人抓取目标物体的能力，以满足工厂车间识别生产产品、快递分拣等场景的要求。

pc_id source pointcloud_path object_class encoded_feature label split_type created_at 1 Realsense-D435 /data/pointclouds/realsense_d435/pc_0001.pcd box {'feat': [0.12013, 0.40317, 0.90452]} box train 2024/12/22 9:13 2 Realsense-D435 /data/pointclouds/realsense_d435/pc_0002.pcd box {'feat': [0.38435, 0.80275, 0.18731]} box train 2025/2/3 9:13 3 LIDAR-X120 /data/pointclouds/lidar_x120/pc_0003.pcd chair {'feat': [0.83490, 0.24446, 0.33858]} chair train 2024/11/10 9:13

字段名称 数据类型 字段属性 主键 字段说明 grasp_id INT NOT NULL AUTO_INCREMENT ✅ 抓取记录编号 image_id INT NOT NULL 对应图像编号 grasp_box TEXT 抓取检测框（位置、角度等） score FLOAT 抓取置信度 is_successful BOOLEAN 抓取是否成功 evaluation_iou FLOAT 与真实值的IoU rotation_angle FLOAT 与真实姿态的角度差 dataset_name VARCHAR(50) 使用的数据集 split_method VARCHAR(20) 数据划分方式 created_at DATETIME DEFAULT CURRENT_TIMESTAMP 创建时间