引言

今年的 RoboMaster 赛事中，官方未提供比赛视频资料，且符的外框灯条被移除，给数据集准备和模型训练带来了双重挑战。商家出售的能量机关击打检测模块高达 495 元/片，同时还需要自行制作灯效模块，对于许多队伍而言成本过高。往年此时，官方已经发布能量机关灯效演示视频，而今年没有提供此类资源，队伍不得不自力更生。我们团队通过AI 技术处理历史数据，并结合 Blender 自制合成渲染数据，成功实现了低成本、高效的能量机关目标识别与关键点数据集生成。本报告详细记录了这一过程，旨在为各参赛队伍提供参考。

旧数据集的处理与基于Blender的能量机关仿真数据集

我们团队提出了一种合理的处理旧数据集以适应新的图案的方案。同时，我们使用了Blender，辅以Python脚本的支持，能够自动生成同时包含图片和label的仿真数据集。为数据集缺乏的队伍提供了一种可能的解决方案。

rune_0.5_(0, -1, -1, -1, 11)_2_000250.png

开源报告如下：

RUNE.pdf

2025.5.7 更新日志：

我们修改了报告中的格式，更加方便阅读理解。同时我们加入了一些经常提问的内容，减少大家的疑惑。

我们开源了Blender结构和部分仿真数据集供大家参考：

huggingface: https://huggingface.co/datasets/hkustenterprize/rune_blender_hkust/tree/main

百度网盘： https://pan.baidu.com/s/1xZUTLf0HxOKUf9losJXYiQ?pwd=seaw 提取码：seaw

数据集效果预览

该视频包含了Blender数据的可视化，以及应用仿真数据集帮助识别自己实验室能量机关的识别两部分：

由于队伍人手欠缺，本项目由本科一年级新生独立完成，初次接触神经网络视觉模型，难免存在概念理解和实现方式上的错误和疏漏，还请各位批评指正。

声明

本系列开源资料由香港科技大学ENTERPRIZE战队的参赛队员基于自身经验和公开资料设计制作，仅作为开发指引使用，难免存在技术性错误与疏漏，欢迎各位批评指正。对本系列开源资料中出现的技术性错误或疏漏所导致的问题，香港科技大学ENTERPRIZE战队及其相关负责人不承担任何连带责任。
本系列开源仅限RoboMaster战队之间技术交流，未经香港科技大学ENTERPRIZE战队允许不得用于任何商用行为。
香港科技大学ENTERPRIZE战队保留本系列开源内容的最终解释权。
对于引用开源内容，请参考具体开源链接中的说明。如果您认为香港科技大学ENTERPRIZE战队的开源内容参考了您的设计但并未注明，或侵犯了您的权力，请联系我们协商解决。