asterphys/airsim-drone-dataset

UAV Landing Surface Semantic Segmentation Dataset

Этот датасет предназначен для обучения и валидации моделей семантической сегментации, обеспечивающих безопасную посадку БПЛА. Данные сгенерированы в фотореалистичной синтетической среде (Unreal Engine + AirSim). Датасет является частью проекта по разработке системы автономной посадки БПЛА. Исходный код модулей генерации и обучения доступен в репозитории на GitHub:
👉 UAV-Landing-System-Project

Dataset Summary

Датасет содержит синхронизированные RGB-изображения, карты глубины и маски сегментации, полученные с нижней камеры дрона. Особенностью набора является высокая вариативность условий: случайное время суток, погодные эффекты и плотная выборка сцен съемки.

• Источник: AirSim Simulation (камера bottom_center).
• Разрешение: 640x480.
• FOV: 90°.
• Объем: 10,000 сэмплов в train и 1,324 сэмпла в test.

Dataset Structure

Каждый сэмпл включает следующие файлы (где NNNNN — ID кадра):

Путь	Формат	Описание
rgb/NNNNN.png	PNG	Цветное изображение (8-bit)
depth/NNNNN.npy	NPY	Метрическая карта глубины (float16, в метрах)
mask/NNNNN.png	PNG	Целочисленная маска классов (uint8)
depth_vis/NNNNN.png	PNG	Визуализация глубины для контроля качества
mask_vis/NNNNN.png	PNG	Визуальная сегментация AirSim

Semantic Classes

Датасет использует специфическую систему маппинга. Выделяется 5 классов:

Raw Classes (Collection Stage)

1. Static_Obstacle: Постоянные препятствия.
2. Dynamic_Obstacle: Движущиеся объекты.
3. Hazard: Опасные зоны для посадки.
4. Vegetation: Растительность.
5. Safe_Ground: Безопасная поверхность для посадки.

Training Classes

В силу специфики сборки на конкретной карте и задачи, под которую генерировался датасет, в процессе обучения сегментационной модели рекомендуется использовать следующий маппинг:

ID	Название	Исходные классы
0	Safe_Ground	Safe_Ground (5)
1	Obstacles	Static_Obstacle (1) + Hazard (3)
2	Vegetation	Vegetation (4)
3	Dynamic_Obstacle	Dynamic_Obstacle (2)

Generation & Environment

Данные генерировались методом автоматического спавна дрона с рандомизацией параметров:

• Геометрия: Равномерная сетка внутри огороженного полигона на карте с повышенной вероятностью в городском ландшафте.
• Окружение: Случайное время суток и погодные пресеты (туман, пыль).
• Ориентация: Рандомизация углов Yaw, Pitch, Roll и высоты в заданных диапазонах.

Quality Control

Все данные прошли автоматическую фильтрацию:

• Исключены кадры в момент коллизий.
• Удалены слишком темные изображения (недоэкспонированные).
• Удалены дубликаты и кадры с аномалиями глубины.
• Исключены кадры с неразмеченными пикселями.
• Вручную удалены кадры, сделанные внутри зданий.

How to Use

Loading with Python

from datasets import load_dataset

dataset = load_dataset("asterphys/airsim-drone-dataset")

# Пример доступа к данным
example = dataset['train'][0]
image = example['rgb']
mask = example['mask']

Citation

Если вы используете этот датасет в своих исследованиях, пожалуйста, укажите ссылку на данный репозиторий.

@misc{uav-landing-segmentation,
  author = {asterphys},
  title = {UAV Landing Surface Semantic Segmentation Dataset (AirSim)},
  year = {2026},
  url = {https://github.com/AsterPhys/Diploma/blob/master/README.md}
  publisher = {Hugging Face},
  journal = {Hugging Face Repository},
  howpublished = {\url{https://huggingface.co/datasets/asterphys/airsim-drone-dataset}}
}