透明/反光物体感知（数据集基准）

Transparent & Reflective Object Perception Datasets and Benchmarks进阶

专为玻璃、金属等深度相机难测物体收集的深度与分割数据集

这类数据集专门针对玻璃杯、塑料瓶、不锈钢餐具等透明或高反光物体。普通深度相机依赖光线正常反射回来，遇到它们会出现深度空洞，或把背后的桌面当成物体表面，导致抓取失败。代表工作有 2019 年发布的 ClearGrasp：提供 5 万多张合成 RGB-D 图和 286 张带真值的真实图，并通过预测表面法向、透明区域掩码和遮挡边界来修复深度；以及上海交大卢策吾团队的 TransCG（RA-L 2022）：用两台 RealSense 相机在 130 个场景采了 57715 张真实 RGB-D 图，覆盖 60 个透明物体，附真值深度、法向和掩码。它们主要用于训练和评测深度补全网络，补好的深度再交给抓取算法。