BasketLiDAR

BasketLiDAR是一个结合了激光雷达点云和多视角相机视频的专业篮球运动目标跟踪数据集。该数据集包含4445帧和3105个球员ID，所有球员的ID和3D位置信息都进行了同步标注。数据集由三个相机-激光雷达多传感器单元捕获，每个单元从不同的方向俯瞰整个篮球场，以最小化球员之间的遮挡。数据集的创建旨在为开发基于激光雷达的运动跟踪算法提供必要的数据，并促进体育3D运动目标跟踪领域的研究。BasketLiDAR is a professional basketball motion object tracking dataset that combines LiDAR point clouds and multi-view camera videos. This dataset contains 4445 frames and 3105 unique player IDs, with synchronized annotations for all players' identification information and 3D position data. It was captured by three camera-LiDAR multi-sensor units, each overlooking the entire basketball court from a distinct direction to minimize occlusion between players. The dataset was created to provide necessary data for developing LiDAR-based motion tracking algorithms and promote research in the field of sports 3D motion object tracking.

原始信息汇总

BasketLiDAR数据集概述

数据集简介

BasketLiDAR是体育多目标跟踪（MOT）领域的首个多模态数据集，结合了激光雷达点云与同步多视角摄像机镜头，采集自专业篮球环境。该数据集旨在解决篮球比赛中实时三维轨迹球员跟踪的挑战。

数据规模与内容

• 总帧数：4,445帧
• 球员ID数量：3,105个
• 传感器配置：3个激光雷达传感器与3个多视角摄像机完全同步
• 数据内容：包含5对5和3对3比赛数据，来自实际职业篮球运动员
• 标注信息：提供每个球员的完整三维位置信息和ID标注

数据集特点

• 首次在体育MOT领域提供激光雷达与相机的多模态数据
• 针对篮球这一高难度场景（十名球员在有限场地内快速复杂移动，频繁遮挡）
• 完全同步的传感器数据与ID标识

数据获取

数据集受机构政策限制未公开，但可为学术研究目的通过合理请求共享。

应用方向

• 实时三维球员跟踪
• 战术分析与表现评估
• 多模态目标跟踪算法开发

相关研究

基于该数据集开发了新型MOT算法，利用激光雷达高精度三维空间信息，实现实时跟踪 pipeline 和多模态跟踪 pipeline。

搜集汇总

数据集介绍

构建方式

在专业篮球运动分析领域，BasketLiDAR数据集通过部署三组硬件同步的LiDAR-相机多模态传感器系统构建而成。每组系统包含Livox HAP激光雷达与Insta360 Ace Pro相机，以10FPS帧率同步采集数据，并通过预标定的外参将多视角点云统一至世界坐标系。数据采集覆盖日本B联赛职业运动员的5对5及3对3实战场景，最终通过人工标注获得包含3,105个ID、4,445帧的全同步三维边界框与身份标签。

特点

作为首个面向职业篮球的多模态运动追踪数据集，BasketLiDAR的核心特征体现在其多传感器深度融合架构。数据集提供完全同步的三维激光点云、多视角4K视频流及跨模态身份标识，有效解决了传统视觉方法中因遮挡导致的轨迹断裂问题。其标注体系涵盖复杂遮挡场景下的预测性边界框标注，并确保所有传感器视角中ID的一致性，为高精度三维运动分析提供了前所未有的数据基础。

使用方法

该数据集支持两种典型应用范式：其一为纯LiDAR追踪流程，通过鸟瞰图投影与YOLOv11检测器实现实时三维定位；其二为融合Re-identification的多模态流程，通过遮挡会话提取器动态触发相机特征匹配，解决严重遮挡下的身份切换问题。研究者可基于世界坐标系下的点云与图像对应关系，开发跨模态关联算法或评估三维追踪性能，推动实时体育分析系统的演进。

背景与挑战

背景概述

BasketLiDAR数据集由庆应义塾大学与爱信公司于2025年联合创建，是首个针对职业篮球多目标跟踪（MOT）的激光雷达-相机多模态数据集。该数据集通过同步部署三组激光雷达与多视角相机系统，捕获了职业球员在真实比赛场景中的三维运动轨迹，解决了传统纯视觉方法在三维重建精度与实时性方面的核心瓶颈。其创新性地融合了激光雷达的高精度点云数据与相机的外观特征，为体育分析领域提供了前所未有的三维空间信息基准，推动了实时战术分析与运动表现评估的技术革新。

当前挑战

该数据集主要应对篮球场景中因高速运动、频繁遮挡及复杂交互导致的多目标跟踪难题。构建过程中需克服多传感器时空同步校准、跨模态数据融合标注、以及职业比赛环境下动态捕捉精度控制等挑战。具体包括激光雷达点云与相机图像的毫秒级同步、遮挡状态下球员ID的一致性维护，以及多视角数据在三维空间中的统一标注体系建立。

常用场景

经典使用场景

在职业篮球运动分析领域，BasketLiDAR数据集通过融合激光雷达点云与多视角相机数据，为多目标跟踪研究提供了前所未有的三维空间信息支持。该数据集最经典的应用场景在于实时球员轨迹追踪，能够精确捕捉十名球员在有限场地内的快速移动与复杂交互，尤其适用于处理高强度身体对抗导致的频繁遮挡问题。其多模态特性使得研究者能够同时利用三维几何信息与视觉外观特征，推动篮球战术分析与表现评估的技术革新。

实际应用

在实际应用层面，该数据集支撑的职业篮球分析系统可实现实时战术推演与球员表现量化。通过激光雷达与相机的协同工作，系统能够生成毫米级精度的球员三维运动轨迹，为教练团队提供进攻防守阵型分析、球员跑位效率评估以及伤病预防建议。此外，其高速处理能力使得广播系统能够实时生成增强现实可视化效果，为观众提供沉浸式观赛体验，同时为体育科技公司开发自动化赛事统计平台提供核心技术支撑。

衍生相关工作

基于BasketLiDAR数据集衍生的经典工作主要包括多模态融合跟踪框架与实时分析系统。研究者开发了激光雷达主导的鸟瞰图投影跟踪管道，结合相机数据的重识别模块，显著提升了遮挡场景下的身份保持能力。该数据集还催生了新型篮球动作识别算法，通过三维运动模式分析实现战术意图识别。此外，其标注规范与同步协议为后续冰球、足球等快速运动项目的多模态数据集建设提供了重要参考标准。