自主无人机着陆数据集(TEKNOFEST)

摘要：自主无人机着陆数据集（TEKNOFEST）源自TEKNOFEST航空人工智能竞赛，是一个专门用于无人机自主着陆和障碍物规避的高分辨率航拍目标检测数据集。

数据集简介

数据集概述

自主无人机着陆数据集（TEKNOFEST）源自TEKNOFEST航空人工智能竞赛，是一个专门用于无人机自主着陆和障碍物规避的高分辨率航拍目标检测数据集。数据集包含从无人机视角拍摄的1920×1080像素高清视频帧，标注了4个关键类别：车辆（Vehicle，障碍物）、UAP着陆垫（青色圆形主要着陆目标）、UAI着陆垫（红色新月标志次要着陆目标）和人员（Person，安全检测对象）。数据集采用俯视和倾斜角度的航拍视角，场景为户外田径场地综合体，提供Pascal VOC（XML）和YOLO（TXT归一化坐标）双格式标注。该数据集已从原始竞赛数据预处理、格式转换并划分为训练集和验证集，配备data.yaml配置文件，可直接用于YOLO、SSD或Faster R-CNN等模型训练，适用于精准着陆系统、实时障碍物规避和视觉伺服研究。

数据结构与关键特征

数据集采用YOLO标准目录结构，按训练集（train）和验证集（valid）划分，每部分包含images和labels子目录。图像文件为PNG/JPG格式（1920×1080高清分辨率），标注文件提供XML（Pascal VOC）和TXT（YOLO归一化坐标）双格式，配备data.yaml配置文件定义类别和路径。关键特征包括：精细的着陆标记分类（通过颜色和图案区分UAP青色着陆垫和UAI红色新月着陆垫）、安全导向的类别设计（人员和车辆作为禁止着陆的障碍物标注）、真实无人机航拍视角（俯视和倾斜角度，模拟真实着陆场景）、高分辨率图像质量（1920×1080确保小目标和细节可见）、以及户外复杂环境（田径场地的地面纹理、光照变化、阴影干扰）。数据集的类别设计体现了自主着陆的核心需求：UAP/UAI标记提供精确着陆坐标，人员检测实现安全避让，车辆识别提供障碍物信息，支持构建完整的智能着陆决策系统。

应用价值与研究方向

该数据集在无人机自主飞行、精准着陆、航空安全和计算机视觉领域具有重要应用价值，可用于开发无人机自主着陆系统、实时障碍物规避平台、视觉伺服控制系统和智能飞行决策工具。研究方向包括：基于深度学习的着陆标记检测算法、精准定位与视觉对齐技术、实时安全检测（人员/车辆规避）、多目标跟踪与轨迹预测、视觉伺服控制策略、细粒度着陆垫分类（UAP vs UAI）、以及轻量级模型设计用于无人机边缘计算部署。数据集的双标记设计（UAP主目标、UAI次目标）特别适合研究任务优先级决策、多目标选择策略以及动态着陆点切换。此外，该数据集还可扩展至其他无人机视觉应用（自主导航、目标追踪、地面识别）和机器人视觉场景，为推动无人机智能化、提升自主着陆精度和安全性、降低飞行事故率提供重要的数据支撑和技术基础。

数据集来源

源自TEKNOFEST航空人工智能竞赛。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-198
文件大小：1.8G
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。