MAFS

MAFS数据集是一个大型的无人机定位数据集，由无人机在中国杭州14个大学校园拍摄的空中视频组成。数据集包含固定高度和可变高度两种飞行路径配置，涵盖了道路、建筑物、公园等多种城市环境。每个视频帧都配备了同步的IMU传感器数据，提供了精确的地理位置、高度、偏航角和速度测量。数据集旨在为无人机定位研究提供高质量、应用导向的数据资源，反映了真实世界的操作环境。

The MAFS dataset is a large-scale UAV positioning dataset consisting of aerial videos captured by UAVs across 14 university campuses in Hangzhou, China. The dataset features two flight path configurations: fixed altitude and variable altitude, covering diverse urban environments such as roads, buildings, and parks. Each video frame is paired with synchronized IMU sensor data, which provides accurate measurements of geographic location, altitude, yaw angle, and velocity. The dataset is designed to offer high-quality, application-oriented data resources for UAV positioning research, reflecting real-world operational scenarios.

原始信息汇总

数据集概述

数据集名称

MAFS

数据集描述

MAFS数据集用于GNSS拒止环境下的4-DoF无人机内存高效定位研究，包含多个地点的卫星图像和无人机图像数据。

数据集结构

数据集按地点和高度分层组织：

• 地点包括：caijing、chuanmei、gongshang、hangdian、hangzhi、jiliang、jingguan、jingji、jingmao、jinrong、ligong、shifan、shuiyuan、xianke、dianli
• 每个地点包含不同高度数据：100m、120m、200m、300m、400m、500m、100m-500m

数据目录结构

MAFS/ ├── 地点名称/ │ ├── 高度/ │ │ ├── map/ │ │ │ ├── detail.txt（卫星图像详细信息） │ │ │ ├── img.png（卫星图像） │ │ │ ├── label.png（语义卫星地图） │ │ ├── route/ │ │ │ ├── gps.txt（路径格式：路径 纬度 经度 高度） │ │ │ ├── 地点_高度_序号_编号.png（无人机图像） │ │ │ ...

数据内容

• 卫星图像（img.png）
• 语义卫星地图（label.png）
• 卫星图像详细信息（detail.txt）
• GPS数据（gps.txt）
• 无人机图像序列（PNG格式）

数据获取

数据集可通过百度网盘下载：

• 下载地址：https://pan.baidu.com/s/1mAgo7E3PUKMRWt2XhnNSNQ
• 提取密码：8888

相关研究

该数据集用于"SWA-PF: Semantic-Weighted Adaptive Particle Filter for Memory-Efficient 4-DoF UAV Localization in GNSS-Denied Environments"研究。

搜集汇总

数据集介绍

构建方式

MAFS数据集构建于中国杭州14所大学校园的真实飞行场景，采用大疆Mavic III E无人机采集多高度航拍视频，涵盖100至500米固定与可变高度配置。数据采集以4K分辨率、30帧每秒同步记录IMU传感器数据，包含经纬度、海拔、偏航角及速度信息。每段航迹对应2km×2km范围的谷歌地图19级卫星影像作为地理参考，确保空间覆盖的连续性与多样性。

使用方法

MAFS适用于视觉-惯性融合定位算法开发，尤其支持粒子滤波与语义匹配框架。使用者可加载航拍视频帧与对应卫星地图，通过语义分割提取特征后计算跨视角相似性。数据集提供标准评估指标SDEM（空间距离评估度量），支持端到端定位精度验证。其多高度特性允许算法测试在不同海拔下的鲁棒性，而语义标注可直接用于训练分割网络或增强语义加权定位模型。

背景与挑战

背景概述

MAFS数据集由浙江计量大学研究团队于2025年提出，专为GNSS拒止环境下的无人机视觉定位研究而构建。该数据集采集自杭州14个高校校园的多高度飞行序列，包含固定高度（100-500米）和变高度（150-500米）两种飞行模式，同步提供4K分辨率影像与IMU传感器数据。其核心研究目标在于解决传统检索式定位方法在实时性、环境适应性和跨高度泛化能力方面的局限性，通过引入语义加权的粒子滤波框架，推动无人机在动态城市环境中的自主导航技术发展。

当前挑战

MAFS数据集致力于解决无人机在复杂城市环境中的4自由度位姿估计问题，其核心挑战在于跨视角图像匹配的语义一致性建模与多源异构数据融合。构建过程中需克服三大难题：一是多高度飞行带来的视角尺度变异导致特征匹配失效；二是无人机与卫星图像间存在的季节差异和几何畸变；三是大规模语义标注所需的高精度人工标注成本与计算复杂度平衡。

常用场景

经典使用场景

在无人机视觉定位研究中，MAFS数据集通过多高度飞行段设计，为GNSS拒止环境下的跨视角匹配提供了关键数据支撑。其经典应用场景包括城市校园环境中的固定高度与变高度飞行轨迹模拟，结合同步IMU数据与4K分辨率图像，支持语义分割与粒子滤波算法的联合优化，显著提升了无人机在复杂城市场景中的定位精度与鲁棒性。

解决学术问题

MAFS数据集解决了无人机视觉定位中的三大核心学术问题：一是突破了传统数据集固定高度采样的限制，支持变高度场景下的算法验证；二是通过密集连续采样策略克服了离散匹配导致的泛化能力不足；三是提供了多模态数据（图像、IMU、语义标注），为跨视角语义匹配、环境适应性及实时计算效率的研究提供了统一基准。

实际应用

该数据集的实际应用涵盖城市搜救、地形监测与精准农业等领域。例如，在GNSS信号失效的灾害现场，无人机可基于MAFS训练的语义-粒子滤波模型，利用低分辨率卫星地图实现秒级4-DoF位姿估计，定位误差控制在10米内，为紧急响应提供高可靠性导航支持。

数据集最近研究

最新研究方向

在无人机视觉定位领域，MAFS数据集正推动多模态语义融合与自适应粒子滤波算法的前沿探索。该数据集通过引入可变高度飞行轨迹与密集采样策略，有效解决了传统跨视角匹配中因固定高度采集和离散采样导致的泛化性不足问题。当前研究聚焦于语义加权机制与粒子滤波架构的协同优化，显著提升了在动态环境中的实时定位精度与鲁棒性。结合语义分割技术，研究者能够从无人机俯视图与卫星图像中提取稳定特征，克服季节变化与地理差异带来的挑战。这一方向不仅强化了GNSS拒止环境下的自主导航能力，更为城市测绘、灾害救援等应用提供了高精度、低计算开销的解决方案，引领了语义增强型地理定位技术的新浪潮。

相关研究论文

• SWA-PF: Semantic-Weighted Adaptive Particle Filter for Memory-Efficient 4-DoF UAV Localization in GNSS-Denied Environments

  浙江计量大学 · 2025年