AU-DR (Autonomous UAV Drone Racing)
收藏资源简介：
AU-DR（自主无人机竞速）是一个公开数据集，使用鱼眼相机在室内环境中采集，包含30,204张160x120像素的图像，涵盖单门、多门、遮挡门、部分可见门、远距离布局和近距离门等多种无人机竞速场景，标注信息包括边界框、中心坐标、距离和偏航角。
AU-DR (Autonomous Drone Racing) is a public dataset collected using a fisheye camera in indoor environments. It contains 30,204 images with a resolution of 160×120 pixels, covering various drone racing scenarios including single gate, multiple gates, occluded gates, partially visible gates, long-distance gate layouts and close-range gates. Its annotation information includes bounding boxes, center coordinates, distances and yaw angles.
数据集概述：AU-DR (Autonomous UAV Drone Racing)
该数据集用于训练GateNet模型，旨在让无人机在自主竞速中实时检测并估算赛门（gate）的中心、距离和偏航角。数据集由公开的AU-DR提供，包含30,204张使用鱼眼相机在室内环境拍摄的图像。
核心信息
- 图像总数：30,204张
- 图像尺寸：160 × 120 像素
- 图像格式：RGB
- 标注格式：JSON文件 (
annotations.json) - 数据划分：
- 训练集（实际使用）：约21,747张（来自训练索引文件的90%）
- 验证集：约2,416张（来自训练索引文件的10%，不参与训练）
- 测试集：约6,041张（来自测试索引文件，最终一次性评估）
- 标注内容：每张图像包含一个或多个赛门，标注字段包括：
center_x,center_y：赛门中心坐标（像素，基于160×120坐标系）xmin,ymin,xmax,ymax：边界框坐标（像素）distance：无人机与赛门的距离（米，最大10米）yaw_relative：相对偏航角（弧度，范围约 ±π）type：场景类型（如 single, multiple 等）
场景类型
数据集涵盖6种无人机竞速中的实际场景：
| 场景 | 描述 |
|---|---|
| Single gate | 画面中只有一个清晰赛门 |
| Multiple gates | 画面中同时出现多个赛门 |
| Occluded gates | 赛门被其他物体部分遮挡 |
| Partially observable | 赛门仅部分出现在画面边缘 |
| Distant layout | 赛门距离较远，在画面中尺寸很小 |
| Close-range gates | 赛门非常靠近相机，尺寸很大 |
数据集结构
数据集文件夹结构如下：
au_dr/ ├── images/ # 30,204张RGB图像（160×120） ├── annotations.json # 所有图像的标注文件 ├── train-indices.npy # 训练集索引（约80%） └── test-indices.npy # 测试集索引（约20%）
- 注意：
.npy文件中的索引对应annotations.json中annotations数组的索引，并非图像文件名。 - 下载链接：https://drive.google.com/file/d/1tkLJri7lnPIcUq93XHbT8sByT6V3ynA2/view?usp=sharing
模型与性能
模型采用了名为GateNetTiny的轻量级CNN架构，输入160×120像素的RGB图像，输出一个3×4×5的网格，每个网格单元预测置信度、中心偏移、距离和偏航角。
在测试集（约6,041张图像）上的评估结果如下：
- 检测能力：
- 精确率 (Precision)：81.24%
- 召回率 (Recall)：98.57%
- F1分数：89.07%
- 准确率 (Accuracy)：96.63%
- 回归能力（平均绝对误差MAE）：
- 中心点偏移 (center_euclidean_px)：3.38 像素
- 距离误差 (distance_m)：0.44 米
- 偏航角误差 (yaw_rad)：0.141 弧度（约8.1°）
相关参考资料
- 原始论文："GateNet: An Efficient Deep Neural Network Architecture for Gate Perception Using Fish-Eye Camera in Autonomous Drone Racing" (IEEE ICRA 2021)
- 原始代码仓库：https://github.com/open-airlab/GateNet
- 项目代码仓库：https://github.com/HoangAnh301194/Gate_detection_AU_DR_DATASET
