【ZiDongHua 之“自動化學院派”收錄關鍵詞：清華大學 機器視覺 SiC  】
　　
　　清華大學自動化系團隊獲得OpenCV視覺感知抓取挑戰(zhàn)賽（BPC）冠軍
　　
　　在工業(yè)制造等領域，如何在復雜場景下實現(xiàn)通用物體準確識別和有效抓取操作，一直是一個具有現(xiàn)實意義且極富挑戰(zhàn)性的難題。這不僅要求視覺感知算法在復雜光照、低紋理、遮擋等條件下保持高精度與穩(wěn)定的目標檢測和6D位姿測量。為此，OpenCV 在 2025 年舉辦了首屆 Perception Challenge for Bin-picking（簡稱BPC），吸引了全球超過450支隊伍參賽。經(jīng)過“基于公開數(shù)據(jù)集方法開發(fā)”“全新數(shù)據(jù)方法泛化測試”“真實場景抓取測試”三個階段的進階淘汰賽，歷時四個月，至6月13日完成全部賽程，最終，清華大學自動化系的季向陽教授團隊獲得了冠軍。
 
　　
　　BPC比賽獲獎證書
　　
　　賽事介紹
　　
　　Perception Challenge for Bin-picking關注最具挑戰(zhàn)性的工業(yè)零件開發(fā)魯棒位姿測量方案，該比賽由 Intrinsic、OpenCV 和夏威夷大學等聯(lián)合贊助，受到了全球研究者與工業(yè)界的密切關注。
 
　　
　　BPC比賽主頁介紹
　　
　　比賽采取在線提交Docker、線上推理的方式進行評估，參賽方法需要在三個階段接受考驗：
　　
　　階段一：在包含下列工業(yè)部件的公開數(shù)據(jù)集（IPD）上進行方法開發(fā)，比較估計位姿的精度；
 
 
　　階段一工業(yè)部件數(shù)據(jù)集
　　
　　階段二：在下列全新類別的工業(yè)部件上測試方法的泛化能力，該階段前五名的隊伍進入最后階段；
　　
　　階段二工業(yè)部件數(shù)據(jù)集
　　
　　階段三：在真實工業(yè)操作系統(tǒng)中進行感知－抓取全套流程，進行抓取成功率的指標評估。
　　
　　隊伍成果
　　
　　來自自動化系季向陽教授團隊提出的方案結合了圖像裁剪與拼合、邊界與尺寸過濾、光照增強、全新類別物體多視角融合的6D位姿估計等創(chuàng)新技術。隊伍提出的方法大幅提升了小尺寸、易混淆等復雜狀況下物體的檢測精度，并且保證了有限計算資源配置下達到高召回率。
　　
　　物體位姿估計的部分可視化結果
　　
　　 點擊邊框調(diào)出視頻工具條 冠軍方案感知抓取測試視頻
　　
　　季向陽教授團隊受邀在CVPR PIRA Workshop和OpenCV University平臺上分享了比賽的方案，技術方案細節(jié)與經(jīng)驗形成論文“Lessons and Winning Solutions in Industrial Object Detection and Pose Estimation from the 2025 Bin-picking Perception Challenge”。
　　
　　CVPR PIRA研討會上BPC主辦方介紹比賽；博士生劉星雨進行技術方案分享
　　
　　博士生劉星雨在OpenCV University平臺上進行技術方案在線分享
　　
　　團隊簡介：
　　
　　季向陽教授團隊在物體位姿估計領域成果斐然。團隊已在機器視覺領域權威期刊（TPAMI、IJCV等）與會議（CVPR、ICCV、ECCV等）上發(fā)表系列學術研究成果，同時在物體位姿視覺測量國際權威賽事 BOP Challenge中屢獲佳績。這些成績充分展現(xiàn)了團隊在位姿視覺測量研究領域扎實的技術積累與重要學術影響力。