摘要：面向人类活动识别研究的高密度三维激光雷达点云数据集。
数据集概述
面向人类活动识别研究的高密度三维激光雷达点云数据集。数据由50名参与者完成步行、跑步、坐下、站立、跳跃、弯腰、跌倒、挥手、转身和拾取物体等10类动作，共形成约50000帧连续点云，可用于研究人体动作的三维空间形态与时间变化规律。
数据结构与关键特征
数据集以连续时序形式组织，每段样本由多帧三维点云及对应的活动类别标注组成，并保留较准确的空间与时间信息。点云文件采用PLY、PCD和LAS等标准格式，便于通过Open3D、PCL及深度学习框架进行读取、预处理和可视化。数据具有点云密度高、动作类别丰富、参与者差异明显及连续帧时间相关性强等特点，适合同时开展单帧点云分类和时序动作识别。
应用价值与研究方向
该数据集可用于三维人体动作识别、跌倒检测、智能安防、养老监护、人机交互和服务机器人环境感知。研究人员可围绕PointNet、PointNet++、Point Transformer、图神经网络、时空卷积网络及Transformer开展研究，也可探索点云去噪、人体分割、关键点提取、多帧特征融合、跨人员泛化、实时识别和模型轻量化等方向。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-705
文件大小：980M
原创声明：本数据集为整理作品
