LAAS Parkour dataset

LAAS Parkour数据集包含28个RGB视频，捕捉了人类执行四种典型公园技巧：安全跳跃、孔跳跃、引体向上和肌肉上升。这些是高度动态的运动，与环境有丰富的接触交互。数据集提供了16个预定义人体关节的地面实况3D位置，以及人体手和脚关节对环境施加的接触力。

The LAAS Parkour dataset comprises 28 RGB videos capturing humans performing four typical parkour techniques: safety jumps, hole jumps, pull-ups, and muscle-ups. These are highly dynamic movements involving rich contact interactions with the environment. The dataset provides ground truth 3D positions for 16 predefined human body joints, as well as the contact forces exerted by the hand and foot joints on the environment.

原始信息汇总

数据集概述

数据集名称

• LAAS Parkour dataset

数据集内容

• 视频数量：28个RGB视频
• 动作类型：包含四种典型的跑酷技巧，即safety-vault, kong vault, pull-up, 和 muscle-up。
• 数据类型：提供16个预定义人体关节的地面实况3D位置，以及人体受试者手和脚关节施加的环境接触力。

数据集特点

• 动态性：捕捉的动作具有高动态性和丰富的环境交互。
• 数据精度：包含精确的3D关节位置和接触力数据。

数据集来源

• 基于LAAS Parkour MoCap数据库，原为生物力学研究创建。

数据集与原始数据库的差异

差异项	LAAS Parkour MoCap数据库	LAAS Parkour dataset (本数据集)
简称	Parkour-MoCap	Parkour-dataset
视频数量	65个视频	28个修剪后的视频
地面实况数据	Vicon MoCap系统捕获的原始序列数据及力传感器数据	从MoCap数据计算的3D关节位置和6D接触力

数据集使用

• 评估工具：提供Python库用于评估3D运动和/或力估计器的性能。
• 评估指标：包括平均每关节位置误差(MPJPE)和接触力误差评估。

数据集重现

• 可通过原始的Parkour-MoCap数据重现本数据集，包括下载原始运动数据和视频，提取帧，以及计算3D运动和接触力。

引用信息

• 使用本数据集时，建议引用以下文献：
  • Li, Z., et al. "Estimating 3D Motion and Forces of Person-Object Interactions from Monocular Video."
  • Maldonado, G., et al. "Angular momentum regulation strategies for highly dynamic landing in Parkour."
  • Maldonado, G. "Analysis and generation of highly dynamic motions of anthropomorphic systems: application to parkour."

搜集汇总

数据集介绍

构建方式

LAAS Parkour数据集的构建基于原始的LAAS Parkour MoCap数据库，该数据库通过Vicon运动捕捉系统和力传感器采集了原始的运动序列数据和力平台记录。本数据集从中提取了28个经过裁剪的RGB视频，涵盖了四种典型的跑酷技巧，并计算了16个预定义人体关节的3D位置以及手和脚关节与环境接触的6D接触力。这些数据是通过对原始MoCap数据进行处理和计算得出的，确保了数据的高精度和动态特性。

特点

LAAS Parkour数据集的显著特点在于其丰富的动态运动捕捉数据和精确的接触力信息。该数据集不仅提供了人体关节的3D位置，还包含了手和脚关节与环境接触的力信息，这对于研究人体与环境的交互行为具有重要意义。此外，数据集的视频内容聚焦于跑酷技巧，具有高度的动态性和复杂性，适合用于运动分析、动作识别和力学研究等领域。

使用方法

使用LAAS Parkour数据集时，用户可以通过Python库进行3D运动和接触力的评估。首先，用户需要将数据集路径添加到系统路径中，并实例化`ParkourEvaluator`类。随后，可以通过调用`Evaluate3DPoses`方法计算关节位置误差，或使用`EvaluateContactForces`方法评估接触力误差。此外，数据集还提供了视频帧提取工具，用户可以将视频转换为图像序列进行进一步分析。

背景与挑战

背景概述

LAAS Parkour数据集是由法国LAAS-CNRS实验室创建的，专注于捕捉人类在执行四种典型跑酷技巧（如安全跳跃、空翻、引体向上和肌肉上拉）时的动态运动。该数据集包含了28个RGB视频，并提供了16个预定义人体关节的3D位置真值以及手和脚关节与环境接触时的接触力。这一数据集源自LAAS Parkour MoCap数据库，最初是为生物力学研究而创建的。其核心研究问题在于通过单目视频估计3D运动和人体与物体交互的力，这对于理解复杂的人体运动和交互机制具有重要意义。

当前挑战

LAAS Parkour数据集在构建过程中面临多项挑战。首先，捕捉高度动态的运动和复杂的接触交互需要高精度的运动捕捉系统和力传感器，这增加了数据采集的难度。其次，从原始运动捕捉数据中提取并计算3D关节位置和接触力，涉及复杂的信号处理和计算过程。此外，数据集的规模较小，仅包含28个视频，可能限制其在深度学习模型训练中的应用。最后，如何准确评估和比较不同3D运动和力估计方法的性能，也是一个重要的研究挑战。

常用场景

经典使用场景

LAAS Parkour数据集的经典使用场景主要集中在人体运动分析与交互力估计领域。该数据集通过提供28个RGB视频，捕捉了人类执行四种典型跑酷技巧（如安全跳跃、空翻、引体向上和肌肉上拉）的动态过程。这些视频不仅包含16个预定义人体关节的3D位置真值，还提供了手和脚关节与环境接触时的力信息。这些数据为研究人员提供了丰富的素材，用于开发和验证3D运动捕捉与力估计算法，特别是在复杂动态场景下的精确建模与分析。

实际应用

LAAS Parkour数据集在实际应用中具有广泛的前景。首先，它可以用于运动捕捉系统的开发与优化，特别是在需要高精度3D姿态估计和力学分析的场景中，如体育训练、康复医学和虚拟现实。其次，该数据集的接触力信息可用于机器人技术，帮助设计更智能的机械臂和仿生机器人，使其能够更好地模拟人类与环境的交互行为。此外，该数据集还可应用于动画制作，提升虚拟角色的运动真实感和交互性。

衍生相关工作

LAAS Parkour数据集的发布催生了一系列相关研究工作。首先，基于该数据集的3D人体姿态估计和力学建模算法得到了广泛研究，推动了计算机视觉和运动分析领域的发展。其次，该数据集为跑酷等高动态运动的生物力学研究提供了基准，促进了运动科学和机器人学的交叉研究。此外，基于该数据集的接触力估计技术也被应用于机器人交互和虚拟现实领域，进一步拓展了其应用范围。