SynDrone-Swarm

SynDrone-Swarm是一个富含遥测数据的合成无人机群数据集，旨在支持多无人机检测、多目标跟踪以及短时轨迹和意图预测的基准测试，涵盖两种环境（A/B）下的不同群密度和域偏移。

SynDrone-Swarm is a synthetic drone swarm dataset rich in telemetry data, intended to serve as a benchmark for multi-drone detection, multi-object tracking, and short-term trajectory and intention prediction tasks, covering varying swarm densities and domain shifts across two environments (A and B).

原始信息汇总

SynDrone-Swarm 数据集概述

数据集简介

SynDrone-Swarm 是一个包含丰富遥测数据的合成无人机群数据集，旨在支持以下任务的基准测试：

1. 多无人机检测
2. 多目标跟踪
3. 短时域轨迹与意图预测

该数据集考虑了变化的集群密度和跨两个环境（A/B）的域偏移。

核心特性

• 数据性质：合成数据集
• 数据内容：包含遥测数据、图像、边界框标注及逐帧元数据
• 发布方式：该仓库为纯数据仓库，提供文档、清单/模式及版本化下载链接。完整数据集通过 GitHub Releases 分发。
• 完整数据集下载地址：https://github.com/MehmetUnall/SynDrone-Swarm/releases

场景矩阵（v1.0.0）

所有场景以 10 fps 的帧率录制，每个摄像头录制 120 秒（每个摄像头 1,200 帧）。数据集包含两个域（A 和 B），每个域有四个场景：BAS、MED1、MED2、DEN。

场景ID	环境	己方无人机数 (N_e)	敌方无人机数 (N_a)	时长	摄像头数量	帧数 (10 fps)	总帧数
A-BAS	A	5	1	120 s	5	1,200	6,000
A-MED1	A	8	1	120 s	8	1,200	9,600
A-MED2	A	8	2	120 s	8	1,200	9,600
A-DEN	A	12	3	120 s	12	1,200	14,400
B-BAS	B	5	1	120 s	5	1,200	6,000
B-MED1	B	8	1	120 s	8	1,200	9,600
B-MED2	B	8	2	120 s	8	1,200	9,600
B-DEN	B	12	3	120 s	12	1,200	14,400

目录结构

数据集按域（A/B）和场景组织，包含每个摄像头的独立文件夹。

SynDrone-Swarm/ A/ A-BAS/ telemetry.csv cam-EGO01/ images/ (*.jpg + per-frame *.json) labels/ (YOLO *.txt) meta/ cam-EGO02/ ... B/ B-BAS/ ...

注意：摄像头文件夹下可能出现 labels.cache 文件，这些是由训练流程产生的可选缓存文件。

数据格式

• 图像：cam-EGOxx/images/*.jpg（10 fps 的 RGB 帧）
• 逐帧 JSON：cam-EGOxx/images/*.json（帧元数据）
• 边界框（YOLO 格式）：cam-EGOxx/labels/*.txt（归一化坐标）
• 遥测数据：每个场景根目录下的 telemetry.csv（包含逐帧无人机状态、角色、意图字段等）

数据样本

在 sample/ 目录下提供了一个轻量级的样本子集，用于在不下载完整发布存档的情况下快速检查。它包含来自 A-DEN/cam-EGO01 和 B-DEN/cam-EGO01 的 15 个连续帧（带有相应的 YOLO 标签和逐帧 JSON），以及场景级别的 telemetry.csv 文件。

下载说明

完整数据集以分卷压缩包形式分发（每个 < 2 GiB），并附带 SHA256 校验和文件。

1. 从最新的 Release 中下载所有分卷 SynDrone-Swarm.7z.001、SynDrone-Swarm.7z.002……以及 SHA256SUMS.txt。
2. 将所有文件放在同一文件夹中。
   • Windows（推荐）：使用 7-Zip 打开/解压 SynDrone-Swarm.7z.001（它将自动使用其余部分）。
   • Linux： bash sha256sum -c SHA256SUMS.txt 7z x SynDrone-Swarm.7z.001

许可协议

• 数据根据 知识共享署名 4.0 国际许可协议 (CC BY 4.0) 发布。

引用

推荐的引用格式在 CITATION.cff 文件中提供。

搜集汇总

数据集介绍

构建方式

在无人机集群研究领域，高质量数据的获取是推动算法发展的关键。SynDrone-Swarm数据集通过合成仿真技术构建，精心设计了两个不同环境（A与B）下的八种飞行场景，涵盖了从基础到高密度的集群配置。每个场景均以每秒10帧的速率录制120秒，并部署了与集群中无人机数量对等的多个虚拟摄像机视角，从而生成了包含图像、逐帧元数据、YOLO格式标注以及详尽遥测数据在内的多模态数据流。这种结构化的构建方式确保了数据在时间与空间维度上的丰富性与一致性，为算法评估提供了坚实的基准。

特点

该数据集的核心特点在于其丰富的遥测信息与精心设计的域偏移挑战。它不仅提供了标准的视觉检测与跟踪所需的图像和边界框标注，更包含了每架无人机的完整状态、角色与意图等深层运动学数据。数据集通过两个视觉特征迥异的环境（A/B）以及四种递增的集群密度场景（BAS, MED1, MED2, DEN），系统性地引入了外观与密度变化，这为评估模型在跨域泛化与复杂交互场景下的鲁棒性创造了理想条件。其多视角、同步记录的架构，使得研究者能够从集群内部多个无人机的第一人称视角进行分析，极大地拓展了研究维度。

使用方法

为便于使用，数据集以分卷压缩包形式通过GitHub Releases分发，并附有完整性校验文件。用户下载所有分卷后，可使用7-Zip等工具从第一个文件进行解压，即可获得按环境和场景组织的标准目录结构。每个摄像机文件夹内包含图像序列、对应的JSON元数据与YOLO标签，而场景根目录下的遥测CSV文件则汇总了全局运动信息。研究者可快速利用样本子集进行格式预览，随后将完整数据集成至检测、跟踪或轨迹预测模型的训练与评估流程中，其多格式数据支持从端到端学习到传统算法验证的广泛研究需求。

背景与挑战

背景概述

随着无人机集群技术的快速发展，多无人机协同感知与决策成为自主系统领域的前沿研究方向。SynDrone-Swarm数据集由研究人员Mehmet Ünal等人构建，旨在为多无人机检测、多目标跟踪以及短时轨迹与意图预测等核心问题提供丰富的合成遥测数据支持。该数据集通过模拟不同环境域（A/B）及多种集群密度场景，为算法鲁棒性与泛化能力评估建立了标准化基准，显著推动了无人机集群智能研究的实证进展。

当前挑战

在无人机集群感知领域，密集目标间的频繁遮挡与交互行为使得多目标跟踪与意图预测极具挑战，同时环境域差异导致的分布偏移对模型泛化构成严峻考验。数据集构建过程中，需精确模拟大规模集群的物理动力学与传感器噪声，并确保多视角数据的时间同步与标注一致性，这些因素共同增加了高质量合成数据生成的复杂性。

常用场景

经典使用场景

在无人机集群协同感知与自主导航领域，SynDrone-Swarm数据集为多无人机检测、多目标跟踪以及短时轨迹与意图预测提供了基准测试平台。该数据集通过模拟不同环境（A/B）和集群密度（从基础到密集）的场景，生成了丰富的遥测数据和同步视觉帧，使得研究者能够评估算法在动态复杂环境下的鲁棒性与泛化能力。经典应用场景包括开发基于视觉的无人机集群实时检测与跟踪系统，以及训练意图预测模型以理解集群行为模式，为智能空中系统的协同决策奠定基础。

实际应用

在实际应用层面，SynDrone-Swarm数据集为城市空中交通管理、灾难救援协同作业以及军事监视任务提供了关键的数据支持。基于该数据集训练的模型能够提升无人机集群在密集动态环境中的避障与编队控制能力，确保复杂任务下的安全高效执行。例如，在搜索救援场景中，算法可利用数据集的意图预测功能，提前预判失踪目标的移动趋势，从而优化资源分配与路径规划，增强应急响应的智能化水平。

衍生相关工作

围绕SynDrone-Swarm数据集，已衍生出多项经典研究工作，主要集中在多无人机视觉感知算法的创新上。例如，研究者利用其丰富的遥测数据开发了基于注意力机制的轨迹预测模型，提升了短期意图识别的准确性；同时，结合领域A与B的差异，涌现出针对域偏移问题的自适应跟踪框架，增强了算法在未知环境中的泛化性能。这些工作不仅推动了无人机集群人工智能技术的发展，也为合成数据在机器人学中的应用树立了典范。