ROBOMASTER-2025-LiDAR-ROSBAG

ROBOMASTER 2025比赛使用的LiDAR雷达数据集，包含两个ROSbag文件，用于点云识别、目标检测、三维建图等任务。数据由华北理工大学HORIZON战队在北京理工大学（珠海）南部赛区现场录制。使用镭神CH128X1激光雷达采集点云数据。

This is a LiDAR dataset for the ROBOMASTER 2025 Competition, which contains two ROSbag files for tasks such as point cloud recognition, object detection and 3D mapping. The dataset was recorded on-site at the Southern Regional Contest of Beijing Institute of Technology (Zhuhai) by the HORIZON Team from North China University of Science and Technology, and the point cloud data was collected using the Leishen CH128X1 LiDAR.

原始信息汇总

ROBOMASTER 2025 LiDAR ROSBAG 数据集概述

📜 基本信息

• 许可证: MIT
• 任务类别: 机器人学、目标检测、深度估计
• 标签: 机器人学、rosbag、lidar、robomaster
• 数据来源: 华北理工大学 HORIZON 战队 — 雷达组
• 依托平台: 华北理工 RM 创新实验室
• 录制时间地点: ROBOMASTER 2025 超级对抗赛，北京理工大学（珠海）南部赛区现场实录
• 数据用途: ROBOMASTER 场景下的点云识别、目标检测、三维建图等任务

📊 数据概览

文件名	时长	大小	消息数	点云话题
RM-LiDAR-ROSBAG_01.bag	13分22秒	11.2 GB	8037	/cloudpoints
RM-LiDAR-ROSBAG_02.bag	13分59秒	12.9 GB	8399	/cloudpoints

• 数据格式: 标准 ROS 1 .bag 文件，未压缩，采样频率约为 10 Hz。

🛠 设备参数

• 设备型号: 镭神 CH128X1 激光雷达
• 通道数: 128 线
• 探测距离: 最远 200 m（10% 反射率下约 160 m）
• 测距精度: ±3 cm
• 点云速率: ≈ 760,000 点/秒
• HFOV: ≈ 120°
• VFOV: ≈ 25°
• 角分辨率: 水平 0.2°，垂直最小 0.125°
• 旋转频率: 设置为 10 Hz

⚙ 使用方法

▶ 播放数据

bash roscore rosbag play RM-LiDAR-ROSBAG_01.bag rosbag play RM-LiDAR-ROSBAG_02.bag

🧿 RViz 可视化

bash rviz

• 设置: Fixed Frame 为 CH128X
• 添加显示项: Add -> By Topic -> PointCloud2（即 /cloudpoints）

📥 数据下载

• 百度网盘: 点击下载 — 提取码：RMer
• Hugging Face: ROBOMASTER-2025-LiDAR-ROSBAG
• 直接下载:
  • RM-LiDAR-ROSBAG_01.bag — 12 GB
  • RM-LiDAR-ROSBAG_02.bag — 13 GB

📮 联系方式

• 邮箱: [e-mail]

搜集汇总

数据集介绍

构建方式

该数据集构建于ROBOMASTER 2025超级对抗赛的实战场景中，由华北理工大学HORIZON战队雷达组采用镭神CH128X1激光雷达设备现场采集。数据录制于北京理工大学（珠海）南部赛区，以ROS 1标准格式存储为未压缩的.bag文件，包含两段时长约13分钟的高质量点云数据，采样频率稳定在10Hz水平。原始数据通过128线激光雷达实时捕获，完整保留了比赛环境中的三维空间信息，为机器人感知研究提供了真实场景下的宝贵数据源。

使用方法

使用该数据集需配置ROS环境，通过rosbag play命令可直接回放数据流。推荐使用RViz工具进行可视化，需将固定坐标系设置为CH128X，并订阅/cloudpoints话题以显示点云。考虑到数据量庞大，建议采用0.5倍速回放或进行点云下采样预处理以避免内存溢出。数据集适用于开发点云识别、目标检测和三维建图算法，研究人员可通过百度网盘或HuggingFace平台获取原始数据文件，每个ROS bag文件均附带完整的元数据描述。

背景与挑战

背景概述

ROBOMASTER-2025-LiDAR-ROSBAG数据集由华北理工大学HORIZON战队在2025年ROBOMASTER超级对抗赛期间创建，旨在为机器人领域的点云识别、目标检测及三维建图等任务提供高质量的真实场景数据。该数据集依托华北理工RM创新实验室的技术支持，采用镭神CH128X1激光雷达设备进行数据采集，具有128线高密度点云和每秒760,000点的采集速率，为复杂动态环境下的算法研究提供了宝贵资源。作为国内首个针对ROBOMASTER竞赛场景的公开LiDAR数据集，其高精度时空特性对推动智能机器人感知技术发展具有显著意义。

当前挑战

该数据集面临的核心挑战主要体现在两方面：在领域问题层面，ROBOMASTER竞赛场景包含快速移动目标、复杂遮挡关系及动态光照条件，对点云识别算法的实时性与鲁棒性提出极高要求；在构建技术层面，高频率激光雷达产生的海量点云数据（单文件超12GB）导致存储与处理压力，且现场设备负载引发的RGB视频数据丢失暴露出多模态同步采集的技术瓶颈。此外，竞赛环境的不可复现性使得数据标注与基准测试体系的建立成为亟待解决的难题。

常用场景

经典使用场景

在机器人竞赛领域，ROBOMASTER-2025-LiDAR-ROSBAG数据集为研究者提供了高精度的激光雷达点云数据。这些数据源自ROBOMASTER 2025超级对抗赛的真实比赛场景，包含了复杂环境下的动态目标检测与跟踪信息。数据集最经典的使用场景在于开发与优化基于点云的实时目标检测算法，特别适用于机器人对抗赛中快速识别敌方机器人、障碍物等关键目标。高密度的点云数据为算法训练提供了丰富的空间信息，使得模型能够在复杂环境中实现精准感知。

解决学术问题

该数据集有效解决了机器人感知领域中的多个关键学术问题。高频率、高精度的点云数据为三维目标检测算法的性能评估提供了可靠基准，弥补了仿真环境与真实场景间的差距。数据集中的动态场景数据特别有助于研究移动目标在复杂背景下的分割与跟踪问题。此外，数据采集于真实比赛环境，为研究激光雷达在高速运动、多目标干扰等极端条件下的性能退化问题提供了珍贵样本，推动了鲁棒性感知算法的进步。

实际应用

在实际应用中，该数据集直接服务于ROBOMASTER参赛队伍的算法开发工作。基于这些数据训练的模型可应用于比赛机器人的自主导航、战术决策等核心功能。工业领域可借鉴其点云处理方案，用于仓储物流AGV的环境感知。安防领域则可通过分析数据中的多目标跟踪模式，优化监控机器人的行为预测算法。数据集还为高校机器人课程提供了真实案例，帮助学生理解激光雷达在实际系统中的工作特性。

数据集最近研究

最新研究方向

在机器人竞赛领域，ROBOMASTER-2025-LiDAR-ROSBAG数据集为高动态环境下的感知算法研究提供了宝贵资源。该数据集采用128线镭神CH128X1激光雷达采集，具有高密度点云和精确测距特性，特别适合探索复杂场景中的实时目标检测与三维重建。随着RoboMaster赛事对抗强度的提升，基于该数据集的研究正聚焦于多智能体协同感知、动态障碍物轨迹预测等方向，为无人系统在高速对抗中的自主决策提供算法支撑。数据集所包含的实战场景点云数据，弥补了仿真环境与真实场景间的鸿沟，对推动机器人感知技术的实用化进程具有重要意义。