AscendMotion

AscendMotion数据集是由厦门大学等多个机构共同收集的一个大规模、标注详尽的攀岩运动多模态数据集。该数据集包含22名熟练攀岩者在12种不同岩壁上的运动，共有344分钟标注数据和441分钟未标注数据，总计412000帧，涵盖RGB图像、LiDAR点云和IMU动作捕捉系统同步记录的数据。数据集旨在为攀岩运动的人类网格恢复研究提供挑战，特别是在全球坐标系中的运动捕捉。

AscendMotion is a large-scale, comprehensively annotated multi-modal climbing motion dataset jointly collected by Xiamen University and multiple other institutions. This dataset contains motions from 22 skilled climbers on 12 distinct rock walls, with 344 minutes of annotated data and 441 minutes of unannotated data, totaling 412,000 frames. It covers synchronously recorded data including RGB images, LiDAR point clouds, and data from IMU-based motion capture systems. The dataset is designed to pose challenges for research on human mesh recovery in climbing motions, particularly motion capture within the global coordinate system.

搜集汇总

数据集介绍

构建方式

AscendMotion数据集通过多模态传感器系统构建，包括LiDAR、RGB相机和惯性测量单元（IMU）运动捕捉系统。数据采集过程中，22名专业攀岩教练在12种不同的岩壁上完成复杂攀岩动作，共获取412,000帧RGB图像、LiDAR点云和IMU测量数据。为确保标注精度，采用自动标注与人工修正相结合的流程，通过多阶段全局优化算法（包含全局配准损失和场景接触损失）生成准确的三维运动轨迹和姿态参数。

特点

该数据集作为目前规模最大、挑战性最高的攀岩运动数据集，其核心特点体现在三个方面：多模态同步性（硬件时间同步的RGB、LiDAR和IMU数据）、全球坐标系标注（包含攀岩者在世界坐标系中的精确轨迹）以及动作复杂性（涵盖抱石、速度攀岩等多种高难度攀爬风格）。相较于现有SPEED21和CIMI4D数据集，其数据量提升5-10倍，且所有动作均由专业攀岩者完成，更具研究价值。

使用方法

AscendMotion数据集支持全球坐标系下攀岩运动分析的各类研究任务。使用者可通过解析同步的RGB-LiDAR-IMU数据流，开展三维人体姿态估计、运动轨迹重建等研究。配套提出的ClimbingCap方法采用分坐标解码框架，分别利用图像模态重建相机坐标系姿态、点云模态重建全局坐标系位置，并通过半监督训练机制利用大量未标注数据。数据集官网提供标准化数据接口和评估指标，便于与现有HMR方法进行对比实验。

背景与挑战

背景概述

AscendMotion是由厦门大学智能城市感知与计算重点实验室联合中国国家攀岩队等机构于2025年推出的多模态攀岩运动数据集。该数据集聚焦于三维空间中的攀岩动作捕捉这一独特研究领域，填补了传统地面运动数据集在离地运动分析上的空白。通过集成LiDAR点云、RGB相机和惯性测量单元(IMU)等多模态传感器，AscendMotion采集了22名专业攀岩教练在12种不同岩壁上的412,000帧数据，包含精确的世界坐标系运动轨迹标注。作为首个大规模标注的攀岩运动数据集，其创新性地将自动标注与人工修正相结合，为理解复杂的人-场景交互动力学提供了重要基准，对体育科学、虚拟现实和机器人攀爬控制等领域产生深远影响。

当前挑战

该数据集面临的核心挑战体现在两个维度：在领域问题层面，攀岩运动的离地特性导致传统基于地面的动作捕捉方法失效，需同时解决极端肢体姿态估计和三维空间精确定位问题；在构建过程层面，多模态传感器的时间同步精度要求达到毫秒级，且岩壁复杂几何结构导致点云配准困难。特别地，长期运动序列中IMU测量的累积误差需通过创新的全局优化损失函数（如场景接触损失LST）和手工标注进行校正，而专业攀岩动作的高动态性使得标注一致性维护面临严峻挑战。

常用场景

经典使用场景

AscendMotion数据集在计算机视觉与运动捕捉领域具有重要价值，尤其在复杂攀岩动作的三维重建与全局轨迹恢复研究中表现突出。该数据集通过同步采集RGB图像、LiDAR点云和IMU数据，为研究者提供了多模态的攀岩动作数据，特别适用于开发能够处理非平面运动场景的算法。其经典使用场景包括基于多传感器融合的攀岩动作分析、全局坐标系下的人体姿态估计以及攀岩动作与场景交互的建模。

解决学术问题

AscendMotion数据集有效解决了攀岩运动研究中数据稀缺的核心问题。传统地面运动数据集难以捕捉攀岩特有的离地、多方向复杂动作，而该数据集通过提供大规模标注数据（412k帧）和12种不同岩壁场景，填补了这一空白。其精确的全局轨迹标注解决了现有方法在长序列运动恢复中误差累积的难题，为研究人体在三维空间中的连续运动提供了可靠基准。数据集还通过半自动标注流程确保了复杂肢体动作的准确性，为研究人-场景交互动力学提供了新可能。

衍生相关工作

基于AscendMotion数据集已衍生出多项创新研究。ClimbingCap作为配套提出的全局运动恢复方法，通过分离坐标系解码策略实现了攀岩动作的精确重建。相关工作扩展至混合现实攀岩训练系统开发、基于物理的攀岩动作仿真等领域。数据集还促进了跨模态学习算法的进步，如LiDARHuman51M等研究借鉴了其多传感器标定方案。在运动生物力学方向，学者们利用该数据集建立了攀岩动作能量消耗模型，推动了可穿戴设备算法的优化。