Boats on Nordelbe Kehrwieder (BONK-Pose)

BONK-Pose数据集是一组用于船只检测和6D姿态估计的图像数据，包含3753张由易北河拍摄的RGB图像，以及相应的AIS消息和3D边界框注释。该数据集由汉堡大学计算机视觉组创建，旨在解决仅依靠AIS数据进行定位的局限性，通过将单目RGB图像与AIS数据进行融合，生成3D边界框，以表示船只的6D姿态。数据集可用于训练和评估6D姿态估计网络，有助于提高水上交通管理的效率和安全性。The BONK-Pose dataset is a curated collection of image data for vessel detection and 6D pose estimation. It comprises 3753 RGB images captured on the Elbe River, alongside corresponding AIS messages and 3D bounding box annotations. Developed by the Computer Vision Group of the University of Hamburg, this dataset was designed to address the limitations of vessel positioning that relies solely on AIS data. By fusing monocular RGB images with AIS data to generate 3D bounding boxes that represent the 6D pose of vessels, it enables the training and evaluation of 6D pose estimation networks, thereby contributing to improved efficiency and safety in water traffic management.

搜集汇总

数据集介绍

构建方式

BONK-Pose数据集的构建采用了创新的多模态数据融合技术，通过结合单目RGB图像与船舶自动识别系统（AIS）数据生成六维姿态标注。具体流程包括：首先利用YOLOX-X目标检测网络定位图像中的船舶并生成二维边界框；随后通过透视n点（PnP）算法将AIS地理坐标转换为图像坐标系；再采用二分图匹配算法关联检测结果与AIS消息；最后通过几何约束校正水位平面段并推演三维边界框，形成包含空间位置与旋转信息的六维姿态标注。整个过程无需人工标注干预，实现了自动化标注流水线。

特点

该数据集包含3753张高分辨率RGB图像，涵盖易北河流域的多样化船舶场景，共标注3829个船舶实例的六维姿态信息。其核心特征在于：首次提供海事领域的六维姿态真值数据，包含三维质心坐标、船舶尺寸与欧拉角旋转信息；标注精度通过AIS数据与视觉线索融合保障，其中86.4%的标注经人工评估达到优质标准；数据分布覆盖不同船舶类型与运动状态，包括运输渡轮、观光船等典型内陆水道船舶，空间距离范围集中在150至400米之间，为模型训练提供了真实多样的海事环境表征。

使用方法

该数据集专为船舶六维姿态估计与检测任务设计，支持端到端的深度学习模型训练与评估。研究人员可加载图像与对应的JSON格式标注文件，其中包含每个船舶的三维边界框角点坐标、类别信息及相机参数。对于姿态估计任务，建议采用基于点匹配或模板拟合的算法；对于检测任务，可利用提供的二维边界框标注进行模型训练。数据集已按标准比例划分为训练、验证与测试集，并额外提供1000张人工标注的船舶检测子集，便于进行跨任务性能对比与消融实验。

背景与挑战

背景概述

BONK-Pose数据集由汉堡大学计算机视觉团队于2025年提出，旨在解决海事领域6D姿态估计的数据稀缺问题。该数据集通过融合单目RGB图像与船舶自动识别系统（AIS）数据，构建了包含3753张图像及对应三维边界框标注的标准化资源。其核心研究在于突破传统AIS数据在空间维度上的局限性，通过视觉-传感器融合技术实现船舶位置与姿态的精确重建，为自主航行、水道管理等应用提供关键数据支撑，填补了海事计算机视觉领域在6D姿态估计专用数据集方面的空白。

当前挑战

该数据集构建面临双重挑战：在领域问题层面，需解决动态水域环境中因遮挡、光照变化、传感器噪声导致的船舶姿态估计不准问题；在技术实现层面，需克服AIS数据传输延迟、设备可靠性差异及坐标系统转换误差。此外，二维检测框与三维空间数据的关联匹配、船舶高度信息的缺失补偿，以及多源异构数据的时间同步问题，均为数据集构建过程中的核心难点。

常用场景

经典使用场景

在船舶视觉感知研究中，BONK-Pose数据集通过融合单目RGB图像与AIS数据，为6D姿态估计任务提供了关键支撑。该数据集典型应用于船舶检测与姿态分析场景，研究者可利用其3753张标注图像训练深度学习模型，实现船舶在三维空间中的精确定位与方向估计，尤其适用于内河航道等复杂水域环境的视觉感知研究。

解决学术问题

该数据集有效解决了海事领域6D姿态估计中标注数据稀缺的学术难题，通过自动化的数据融合技术替代传统人工标注，显著降低了研究门槛。其提供的三维边界框标注包含空间位置与旋转维度信息，为船舶姿态估计算法的训练与验证提供了可靠基准，推动了计算机视觉与海事监控技术的交叉研究进展。

衍生相关工作

该数据集的发布催生了一系列海事计算机视觉的创新研究，例如基于YOLOX-X的船舶检测模型优化、PnP算法在船舶坐标转换中的应用拓展等。相关研究进一步探索了多模态数据融合在复杂海事环境下的鲁棒性，为船舶跟踪、行为预测等衍生任务提供了技术基础，推动了整个领域向三维感知与智能决策的方向发展。