| --- |
| license: apache-2.0 |
| task_categories: |
| - image-segmentation |
| language: |
| - en |
| - ru |
| tags: |
| - uav |
| - airsim |
| - autonomous-landing |
| - computer-vision |
| - synthetic |
| - images |
| pretty_name: UAV Landing Surface Segmentation (AirSim) |
| size_categories: |
| - 10K<n<100K |
| --- |
| |
| # UAV Landing Surface Semantic Segmentation Dataset |
| [](https://github.com/AsterPhys/Diploma) |
|
|
| 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**](https://github.com/AsterPhys/Diploma/blob/master/README.md) |
|
|
| ## 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 |
| ```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. |
| ```bibtex |
| @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}} |
| } |
| ``` |
