| ---
|
| pretty_name: RoboMaster Armor Plates
|
| license: other
|
| license_name: per-source
|
| license_link: LICENSE.md
|
| task_categories:
|
| - object-detection
|
| - keypoint-detection
|
| tags:
|
| - robomaster
|
| - armor-plate
|
| - webdataset
|
| configs:
|
| - config_name: default
|
| data_files:
|
| - split: train
|
| path: "data/*/train/*.tar"
|
| - config_name: qdu_damo
|
| data_files:
|
| - split: train
|
| path: "data/qdu_damo/train/*.tar"
|
| - config_name: qdu_gimbal_0507
|
| data_files:
|
| - split: train
|
| path: "data/qdu_gimbal_0507/train/*.tar"
|
| - config_name: qdu_gimbal_0509
|
| data_files:
|
| - split: train
|
| path: "data/qdu_gimbal_0509/train/*.tar"
|
| ---
|
|
|
| # RoboMaster 装甲板数据集
|
|
|
| 多支队伍共同维护的装甲板数据集。每块装甲板给出四个角点或检测框，以及颜色、大小和贴纸图案，有哪项给哪项。
|
|
|
| ## 1. 文件
|
|
|
| ```
|
| data/<source>/<split>/<source>-<split>-00000.tar 图像和标签
|
| data/<source>/cameras.json 相机内参（可选）
|
| sources.csv 来源登记
|
| stickers.json 贴纸图案登记
|
| tools/pack.py 检查标签并打包
|
| tools/export.py 导出为训练格式
|
| ```
|
|
|
| - `<source>`：来源编号，小写字母、数字和下划线，如 `qdu_infantry_2026`。
|
| - `<split>`：`train` 或 `test`。同一段视频或同一个采集序列只放在一个 split 中。
|
| - tar 分片每个 0.5–2 GB，内部成对存放 `<key>.jpg` 和 `<key>.json`（WebDataset 格式）。
|
|
|
| ## 2. 标签
|
|
|
| 每张图一个 JSON：
|
|
|
| ```json
|
| {
|
| "image": {"width": 1440, "height": 1080, "source": "qdu_infantry_2026", "sequence": "match03", "camera": "cam0"},
|
| "objects": [
|
| {
|
| "corners": [[612.3, 401.8], [610.9, 452.6], [741.2, 455.0], [742.8, 404.1]],
|
| "color": "blue",
|
| "size": "small",
|
| "sticker": "3"
|
| }
|
| ]
|
| }
|
| ```
|
|
|
| `corners` 和 `bbox` 至少有一个，其余字段有就填，没有就省略或写 `null`。缺失的字段在训练时只是该项不计损失，不影响其他字段。`tools/pack.py` 打包时会把每个对象补全为同一组字段，缺失的写成 `null`。
|
|
|
| | 字段 | 取值 |
|
| |---|---|
|
| | `corners` | 四个角点的像素坐标，顺序见第 3 节 |
|
| | `bbox` | `[x, y, w, h]`，只有框没有角点时填 |
|
| | `color` | `blue`、`red`、`gray`（灭灯）、`purple` |
|
| | `size` | `small`、`large` |
|
| | `sticker` | 贴纸图案：`sentry`、`1`–`5`、`outpost`、`base` |
|
| | `visibility` | 每个角点 0 不可见、1 被遮挡但可推断、2 可见；省略为全部可见 |
|
| | `flags` | `truncated`、`occluded`、`motion_blur`、`overexposed`、`unlit` |
|
| | `corner_def` | `sjtu4`（上交格式，默认）或 `unspecified`（不确定） |
|
| | `label_type` | `human` 人工标注、`human_checked` 模型标注后人工检查、`model` 模型标注 |
|
| | `role` | `positive`（默认）、`ignore`（不确定，训练时不计损失）、`negative`（确认不是装甲板） |
|
| | `image.sequence` | 视频或采集序列编号 |
|
| | `image.camera` | 对应 `cameras.json` 中的相机 |
|
|
|
| 没有装甲板的图也可以上传，`objects` 留空，作为负样本。
|
|
|
| `sticker` 记录贴纸上印的图案，不记录是哪台机器人。新赛季出现新图案时在 `stickers.json` 末尾追加一行。`stickers.json` 同时给出各图案对应的官方机器人 ID（《RMU 2026 通信协议》，红方 1–5、哨兵 7、基地 10、前哨站 11，蓝方加 100），只作对照。
|
|
|
| ## 3. 角点
|
|
|
| 角点采用上交 LabelRoboMaster 的定义，顺序为 LT, LB, RB, RT：
|
|
|
| - 正对贴纸、图案正立时，左手边的灯条为左灯条。LT、LB 是左灯条的上端、下端，RB、RT 是右灯条的下端、上端。
|
| - 上下左右按装甲板本身判定，不按图像坐标排序；装甲板倾斜很大时也一样。
|
| - 在图像中四点依次为逆时针。顺序反了（或是镜像）的标注在导出时会被当作无效。
|
| - 被图像边缘截断的角点，按装甲板形状推出图外的位置，`visibility` 记 0。
|
|
|
| ## 4. 相机内参
|
|
|
| 有标定的来源在 `data/<source>/cameras.json` 中给出内参，可用于 PnP 测距评测：
|
|
|
| ```json
|
| {"cam0": {"width": 1440, "height": 1080, "fx": 1800.0, "fy": 1800.0, "cx": 720.0, "cy": 540.0, "dist": [0, 0, 0, 0, 0]}}
|
| ```
|
|
|
| `dist` 为 OpenCV 畸变系数 `[k1, k2, p1, p2, k3]`。内参对应图像的实际分辨率，缩放、裁剪、binning 后要相应换算。
|
|
|
| ## 5. 导出
|
|
|
| ```bash
|
| python tools/export.py <armor/data> <输出目录> # YOLO pose
|
| python tools/export.py <armor/data> <输出目录> --format coco # COCO 关键点
|
| python tools/export.py <armor/data> <输出目录> --format sjtu # 上交 txt
|
| ```
|
|
|
| - `--classes`：`sjtu`（默认，与上交 36 类编号一致）、`color`（只分红蓝）、`plate`（单类）。
|
| - `--order tongji`：关键点按 TL, TR, BR, BL 输出。
|
| - `ignore` 区域和无法归类的装甲板：YOLO pose 和上交 txt 中涂灰，COCO 中写成 `iscrowd: 1`；`negative` 作为背景。
|
| - 训练时不要开水平翻转，翻转后数字是镜像的。
|
|
|
| 依赖 numpy 和 Pillow。
|
|
|
| ## 6. 贡献
|
|
|
| 1. 只上传自己队拍摄、自己标注的数据；转载需写明出处并确认原授权允许再分发。
|
| 2. 把 `<key>.jpg` 和 `<key>.json` 放在同一个文件夹，用 `tools/pack.py` 检查并打包（有任何一条标签不合格都不会写出），再在 `sources.csv` 中登记一行：
|
|
|
| ```bash
|
| python tools/pack.py <文件夹> <仓库根目录> --source qdu_damo --split train
|
| ```
|
|
|
|
|
| | 列 | 内容 |
|
| |---|---|
|
| | `source` | 来源编号 |
|
| | `team` | 队伍 |
|
| | `year` | 采集年份 |
|
| | `camera` | 相机、分辨率、帧率 |
|
| | `scene` | 场地或赛事 |
|
| | `images`、`objects` | 图像数、装甲板数 |
|
| | `label_tool` | 标注工具 |
|
| | `license` | 授权，如 `CC-BY-4.0` |
|
| | `origin` | 自采，或原始链接 |
|
|
|
| 3. 有 write 权限的维护者直接上传，其他人发 Pull Request。
|
| 4. 每次合并新来源后打版本标签（`v1`、`v2` …），训练时固定版本：
|
|
|
| ```python
|
| from datasets import load_dataset
|
| ds = load_dataset("rmcv/armor", revision="v1", split="train", streaming=True)
|
| ```
|
|
|
| ## 7. 授权
|
|
|
| 数据按来源分别授权，以 `sources.csv` 为准；工具和文档采用 MIT，见 `LICENSE.md`。
|
|
|
