AD-Rallies
收藏资源简介：
AD-Trajectories数据集是为奥格斯堡大学机器学习与计算机视觉领域的硕士论文《从广播到3D：一种用于网球轨迹和旋转估计的深度学习方法》而创建的大规模合成数据集。该数据集使用MuJoCo物理引擎生成，旨在通过提供高度精确的空气动力学力和复杂的球-场地交互模型，弥合合成数据与现实数据之间的差距。数据集包含单个合成网球轨迹，所有物理运动学（包括3D位置、线性速度和角速度（旋转））均以每秒500帧（fps）的高分辨率捕获，对应时间步长为0.002秒。数据集以.tar文件形式存储，包含187,200个独立文件夹，打包后大小为17 GB，解压后约为20 GB。数据采用四层嵌套文件夹结构，按击球类型、飞行方向、球的状态（界内/界外）和轨迹ID分类。每个轨迹文件夹包含七个.npy文件，分别存储位置、速度、旋转、时间戳、弹跳时间戳、内参相机矩阵和外参相机矩阵。该数据集适用于表格分类、表格回归、图像到3D和深度估计等任务，特别适合用于网球轨迹和旋转估计的研究。
The AD-Trajectories dataset was created for the masters thesis From Broadcast to 3D: A Deep Learning Approach for Tennis Trajectory and Spin Estimation at the University of Augsburg in the field of Machine Learning and Computer Vision. It is a large-scale synthetic dataset generated using the MuJoCo physics engine, aiming to bridge the gap between synthetic and real-world data by providing highly accurate aerodynamic forces (such as the Magnus effect) and complex ball-court interaction models. The dataset contains individual synthetic tennis trajectories, with all physical kinematics (including 3D position, linear velocity, and angular velocity (spin)) captured at a high resolution of 500 frames per second (fps), corresponding to a time step of 0.002 seconds. The dataset is stored in .tar files, containing 187,200 independent folders, with a packed size of 17 GB and an unpacked size of approximately 20 GB. The data is organized in a four-level nested folder structure, categorized by shot type, flight direction, ball status (in/out), and trajectory ID. Each trajectory folder contains seven .npy files, storing position, velocity, rotation, timestamps, bounce timestamps, intrinsic camera matrices, and extrinsic camera matrices. The dataset is suitable for tasks such as tabular classification, tabular regression, image-to-3D, and depth estimation, and is particularly suited for research on tennis trajectory and spin estimation.
数据集名称
AD-Rallies 数据集（也称为 AD Trajectories）
数据集规模
- 样本量：100,000 < n < 1,000,000
- 压缩包（.tar）大小：17 GB
- 解压后大小：约 20 GB
- 包含 187,200 个独立的轨迹文件夹
数据集任务类型
- 表格分类（tabular-classification）
- 表格回归（tabular-regression）
- 图像到3D（image-to-3d）
- 深度估计（depth-estimation）
数据集描述
AD-Rallies 是一个大规模合成网球轨迹数据集，使用 MuJoCo 物理引擎生成。旨在通过提供高精度的空气动力学模型（如马格努斯效应）和复杂的球-场地交互，弥合合成数据与真实数据之间的差距。该数据集用于 Alexandra Göppert 在奥格斯堡大学机器学习和计算机视觉教席的硕士论文《From Broadcast to 3D: A Deep Learning Approach for Tennis Trajectory and Spin Estimation》。
数据内容
每条轨迹以 500 fps（时间步长 0.002 秒）的高分辨率记录了完整的物理运动学数据，包括：
- 3D 位置（positions.npy）
- 线速度（velocities.npy）
- 角速度/旋转（rotations.npy）
- 时间戳（times.npy）
- 弹跳时间戳（bounces.npy）
- 相机内参矩阵（Mint.npy）
- 相机外参矩阵（Mext.npy）
文件夹结构
数据集不使用单独的元数据文件，而是将标签直接编码到文件夹路径中，采用四层嵌套结构：
- 第一层：基础击球类型：groundstroke（地面击球）、lob（高吊球）、serve（发球）、short（短球）、smash（扣杀）、toss（抛球）、volley（截击）
- 第二层：飞行方向：close_to_far（从近到远，球沿负 x 轴飞行）、far_to_close（从远到近，球沿正 x 轴飞行）
- 第三层：状态：in（界内）、out（界外）
- 第四层：轨迹 ID：trajectory_0000, trajectory_0001, ...
示例路径：groundstroke/close_to_far/in/trajectory_0000/
坐标系统
- 3D 世界坐标系：位置和速度相对于世界坐标系定义。
- 球的本地坐标系：旋转（角速度）相对于球的本地坐标系定义。
- 相机位置：始终位于正 x 轴的底线后方。
2D 图像投影
数据集不包含预计算的 2D 图像投影（u,v），但提供了每一条轨迹的相机内参矩阵（Mint）和相机外参矩阵（Mext），用户可以通过将 3D 世界坐标与提供的相机矩阵相乘来计算 2D 投影。
下载方式
推荐使用 hf_hub_download 函数从 Hugging Face Hub 下载 data.tar 文件，而不是克隆整个仓库。
- 仓库 ID：
XSpaceCoderX/AD-Rallies - 文件名：
data.tar
解压时至少需要 180 GB 的可用磁盘空间（87 GB 用于归档文件 + 100 GB 用于解压内容）。
