无人机（Unmanned Aerial Vehicle，UAV/Drones）的快速发展，为传感器感知领域带来了许多新的机会和挑战。无人机具有覆盖范围广、机动性强的特点，可携带传感设备，具备高灵敏度、高灵活性和低成本的优势，从而可实现高空高速感知、实时数据采集、多传感器集成等功能，为物联网数据收集提供了新的机遇，也继续推动传感器技术的创新和发展。
无人机在生活、工业和科研领域都具有广泛前景和重要作用，例如高精度数据采集、探索难以到达的地区、实时数据传输、高分辨率影像获取、支持生态学研究、大规模数据收集以及经济成本效益等方面。无人机改变了我们的生活和工作方式，推动着智慧生活、工业物联网的持续进步。同时，也促进着对地球、环境和生态系统等复杂问题的深入研究和理解。
今天，我们汇总了无人机相关的开源数据集TOP10（排名不分先后），包括了弱小运动目标检测，目标跟踪，雷达探测等多个方向。
01 雷达回波序列中弱小飞机目标检测跟踪数据集
在低空安全防控、区域态势监测、远程精确打击、战场情报侦察等军事和民用应用领域，雷达探测与跟踪杂波下昏暗目标一直是研究热点和难点问题。然而，现有雷达数据一直存在数据场景针对性不强、模拟数据真实性不足、实测数据格式不规范、场景描述和标定信息不完整等问题。为满足杂波下雷达目标探测与跟踪技术研究的数据需求，作者以杂波下的固定翼无人机为探测对象，进行雷达外场数据采集和数据处理，并以此生成杂波下雷达探测与跟踪昏暗目标的标准数据集。
该数据集涵盖了强杂波、低信噪比、高动态、强机动和目标数量变化等典型场景。该数据集共包含 15 个雷达回波序列，每个回波序列包含一定时长的脉冲信号、相应的门文件和真值标记文件。该数据集格式规范，标注信息准确，可为雷达弱目标探测和跟踪算法的设计和验证以及杂波特性研究提供基础数据。
数据集详情：http://www.csdata.org/p/386/
数据集地址：https://www.scidb.cn/en/detail?dataSetId=720626420979597312
02 LSS-FMCWR-1.0：多波段FMCW雷达低慢小探测数据集
LSS-FMCWR-1.0：多波段FMCW雷达低慢小探测数据集包含6种类型旋翼无人机在某距离单元处采集悬停状态下的无人机回波数据，每个类型的无人机通过Ku波段雷达和L波段雷达采集5~12米距离内目标的回波数据，数据集共发布114个数据，数据集中文件的格式为mat，每个数据的大小为150×6000的数据矩阵，数据集中6种类型的无人机数据包含大疆御2（01）、大疆精灵（02）、大疆M350(03)、大疆悟2（04）、大疆M600(05)、固定翼无人机（06）共6个类别，6类无人机的典型回波特性如图1所示。本数据集类型丰富，具有场景复杂、类别丰富、任务多样的特点，可支撑目标检测、分类和识别研究。
数据集地址：https://radars.ac.cn/web/data/getData?dataType=LLS-LFMCWR
03 DroneRF 数据集：用于基于 RF 的检测、分类和识别的无人机数据集
DroneRF 数据集：基于射频 （RF） 的无人机数据集，可在不同模式下运行，包括关闭、打开和连接、悬停、飞行和视频录制。该数据集包含射频活动的记录，由从 227 架不同无人机收集的 3 个记录片段组成，以及没有无人机的后台射频活动的记录。数据已由射频接收器收集，该接收器拦截无人机与飞行控制模块的通信。接收器通过 PCIe 电缆连接到两台笔记本电脑，笔记本电脑的运行程序负责在数据库中获取、处理和存储检测到的射频数据。该数据集可用于无人机检测、无人机识别和无人机跟踪。
数据集地址：https://data.mendeley.com/datasets/f4c2b4n755/1
代码：https://al-sad.github.io/DroneRF/
04 复杂背景下红外弱小运动目标检测数据集
红外小动目标检测是红外探测的关键技术之一，一直是光电检测中的热点问题，特别是对于杂波背景下的小型红外运动目标。鉴于目前研究缺乏高质量的数据，作者采用安装在小型无人机平台上的红外成像设备来捕获图像序列作为背景。合成目标正确嵌入背景中。作者构建了一个半合成数据集，用于杂波背景下的小型红外运动目标检测。在图像捕捉中设置了各种条件，包括相对高度（向上看、抬头和向下看）、场景（植被、水和建筑物）、平台运动、天气、时间等。同时考虑成像平台运动和合成目标运动，保证半合成图像序列尽可能接近真实应用场景。此外，作者在合成中改变目标特征，包括形状、强度和运动。
数据集包含 350 组图像序列，150185个图像。注释文件提供了图像中的目标位置。该数据集可用于小型红外运动目标检测和跟踪研究。该数据集中测试集的目标标签和检测结果的评估程序存储在百度网盘中。
数据链接：https://pan.baidu.com/s/1yraqQOE43HizL6syeRT9pw
提取代码：GLCC
数据详情：https://www.scidb.cn/en/detail?dataSetId=808025946870251520
红外探测和跟踪小目标一直是远程精确打击、空防对抗、战场情报和侦察等军事应用研究的主要内容。然而，在红外目标检测和识别手段中，模拟红外数据存在真实性不足或实测数据样本量不足等问题。为了解决这一困境，作者通过外场记录和后续数据处理，专注于低空飞行小目标的检测和跟踪来构建该数据集。它可用于与一个或多个固定翼无人机目标的检测相关的算法测试。
该数据集捕捉了天空和地面背景下的各种场景。它包括 22 个图像序列、30 个轨迹和 16177 帧，与 16944 个目标相关。每个目标对应于图像中的一个标签位置，每个图像序列对应于一个标签文件。该数据集为红外目标特性、暗小目标检测和精确制导等研究提供了统计依据。
数据详情：https://www.scidb.cn/en/detail?dataSetId=720626420933459968
06 基于视觉的无人机数据集
中国北京北方电子设备研究所的反无人机项目旨在推动无人机在野外发现、检测和跟踪的前沿。该项目为发现、检测、识别和跟踪无人机领域提出了一种新的数据集、评估指标和基线方法。数据集由高质量的全高清视频序列（RGB 和 IR）组成，跨越多个多尺度无人机的出现，并用边界框、属性和标志密集注释，指示目标是否存在于每一帧中。
该数据集使用多种目前市面上常见的商用小型无人机型，采集并标注了超过 300 段可见光/红外视频对包含超过58万个手动注释的边界框，涵盖白昼、黑夜条件下云层、楼宇、丛林等复杂背景及飞鸟、空飘物等虚假目标带来的挑战。此外，作者提出了一种新的无人机跟踪方法——双流语义一致性（DFSC）。DFSC使跟踪器能够充分利用不同视频序列中的语义信息，从而进一步提高跟踪器的鲁棒性和辨别能力。这项研究将极大推动未来无人机检测跟踪前沿技术的发展。
论文链接：https://arxiv.org/abs/2101.08466
数据集地址：https://github.com/ZhaoJ9014/Anti-UAV
07 无人机检测数据集（Drone-detection-dataset）
作者为无人机检测提供了一个带注释的多传感器数据库，其中包括红外和可见视频和音频文件。可用于训练和评估无人机检测传感器和系统。视频标签：飞机、鸟类、无人机和直升机。音频标签：无人机、直升机和背景。
该数据库包括三种不同的无人机，一种小型无人机（Hubsan H107D+），一种中型无人机（四旋翼机配置的DJI Flame Wheel）和一种性能级无人机（DJI Phantom 4 Pro）。视频部分包含650个无人机、鸟类、飞机和直升机的红外和可见光视频（365个红外和285个可见光）。每个剪辑为10秒，总共产生203328个带注释的帧。该数据库由90个无人机、直升机和背景噪声类的音频文件补充。
数据地址：https://github.com/DroneDetectionThesis/Drone-detection-dataset
论文地址：https://www.sciencedirect.com/science/article/pii/S2352340921007976#!
Drone-vs-Bird数据集内除了囊括了丰富的无人机和环境数据外，还包含了部分鸟类数据。当无人机距离较远时，从外观上和鸟类较为相似。因此，该数据集的出现可以帮助研究者进行远距离无人机和鸟类辨别问题的研究。
训练集由77个不同的视频组成。视频平均包括1384帧，而每帧平均包含1.12个注释的无人机。数据集内除了囊括了丰富的无人机和环境数据外，包含大量远距离的小尺寸无人机和飞鸟，很多无人机的面积小于 20 像素，有 300 多个无人机的目标标注检测框边长甚至低至 3～4 个像素，对这些微小目标的检测非常具有挑战性。该数据集的帮助研究者进行远距离无人机和鸟类辨别问题的研究。
数据地址：https://github.com/wosdetc/challenge
数据详情：https://www.mdpi.com/1424-8220/21/8/2824
09 Flight Dynamics-Based Recovery of a UAV Trajectory Using Ground Cameras
该数据集收集了UAV和飞机数据集，UAV数据集包括20个视频序列，每个视频序列平均为4000帧，分辨率为752×480。它们是由安装在无人机上的相机拍摄的，无人机在户外飞行时拍摄了类似的照片。
飞机数据集由20个飞机或无线电控制的无人机的YouTube视频组成。一些视频是由地面上的一台摄像机拍摄的，其余的是由飞机上的一架摄像机拍摄的。这些视频的长度从数百帧到数千帧不等，分辨率从640×480到1280×720不等。
数据集地址：https://drive.switch.ch/index.php/s/3b3bdbd6f8fb61e05d8b0560667ea992
论文地址：https://arxiv.org/abs/1612.00192
10 Drone Dataset (UAV)
这个数据集是为学术和竞赛目的而准备的。这个数据集的主要目的是指导我们的无人机与其他无人机互动。数据集包括大约1400张无人机图像和标签文件。标签文件的格式是.txt和.xml两种，可以在Tensorflow、Darknet和PyTorch等多种框架中使用。大多数图像来自Google和Yandex的图像搜索工具，通过图像（网络）爬虫获取。其他图像则是从从YouTube下载的无人机视频中裁剪而来。结果非常出色，达到了86%的均值平均精度（mAP）。
数据地址：https://www.kaggle.com/datasets/dasmehdixtr/drone-dataset-uav
数据详情：https://github.com/dasmehdix/drone-dataset
原创文章，作者：3994，如若转载，请注明出处：https://blog.ytso.com/tech/bigdata/315990.html