La saisie d’objets est essentielle pour de nombreuses applications et constitue également un problème difficile en vision par ordinateur. Toutefois, dans les scènes encombrées, les recherches actuelles souffrent de données d’entraînement insuffisantes ainsi que du manque de benchmarks d’évaluation. Dans ce travail, nous proposons un grand ensemble de données pour la détection de poses de saisie, accompagné d’un système d’évaluation unifié. Notre ensemble de données comprend 97 280 images RGB-D contenant plus d’un milliard de poses de saisie. Par ailleurs, notre système d’évaluation détermine directement, par calcul analytique, si une saisie est réussie, permettant ainsi d’évaluer n’importe quel type de pose de saisie sans avoir à étiqueter exhaustivement les vérités terrain. En outre, nous proposons un réseau de prédiction de pose de saisie end-to-end à partir d’entrées en nuages de points, dans lequel nous apprenons de manière décomposée la direction d’approche et les paramètres d’opération. Un nouveau champ d’affinité de saisie est également conçu pour améliorer la robustesse de la saisie. Des expériences étendues montrent que notre ensemble de données et notre système d’évaluation s’alignent bien avec les expériences réelles, et que le réseau proposé atteint des performances de pointe. Nos données, code source et modèles sont disponibles publiquement sur www.graspnet.net.