SkyShield

SkyShield是一个用于城市低空无人机自主性的前视单目语义占据基准数据集，在CARLA模拟器中生成，专注于20米以下的低空无人机飞行。该数据集包含36K个前视无人机样本，涵盖8个城市场景、10种天气条件、15条轨迹/场景，采样频率为25Hz，训练/验证/测试集划分为29K/3.2K/3.8K，旨在通过单目RGB图像预测当前相机视锥内的语义占据体素（包括占据体素和自由空间体素），以支持安全关键的低空无人机自主导航。SkyShield is a forward-looking monocular semantic occupancy benchmark dataset for urban low-altitude UAV autonomy, generated in the CARLA simulator and focused on UAV flights below 20 meters. It includes 36K forward-looking UAV samples, covering 8 urban scenarios, 10 weather conditions and 15 trajectories/scenes, with a sampling frequency of 25 Hz. The train/validation/test splits are set as 29K, 3.2K and 3.8K respectively. This dataset aims to predict semantic occupancy voxels (including occupied voxels and free-space voxels) within the current camera frustum via monocular RGB images, so as to support safety-critical low-altitude UAV autonomous navigation.

原始信息汇总

数据集概览：SkyShield

SkyShield 是一个面向城市低空无人机自主飞行的前视单目语义占用基准数据集。该数据集由 CARLA 模拟器生成，专注于 20 米以下的低空无人机飞行场景，旨在将低空无人机感知任务定义为前视视锥体语义占用预测。

核心任务

给定一张前视单目 RGB 图像，模型需预测当前相机视锥体内的语义占用，包括带有语义标签的占用体素和观测到的自由空间体素。该任务以无人机为中心，面向安全性，需处理动态飞行中姿态、高度、翻滚、俯仰和偏航的逐帧变化。

数据集详情

项目	数值
模拟器	CARLA
总样本数	36,000
场景	8 个城市场景
天气条件	10 种
每场景片段数	15
片段时长	12 秒
采集频率	25 Hz
训练/验证/测试集划分	29,000 / 3,200 / 3,800
飞行高度范围	< 20 米
学习输入	单目前视 RGB 图像
标注信号	双激光雷达 + 模拟器语义标签

每份样本包含一张单目前视 RGB 图像、逐帧的 6 自由度无人机机体位姿、固定前视相机标定、动态相机几何参数、无人机运动状态，以及前视视锥体语义占用标签。

评估指标

• mIoU：标准交并比，平等对待所有有效体素，用于衡量全局重建质量。
• KAR-mIoU：运动学感知风险交并比，根据无人机运动和时间到碰撞（TTC）对假阳性和假阴性进行加权。短 TTC 区域的错误会受到更大惩罚，用于衡量预测失败是否发生在对飞行安全最关键的区域。

参考基线：SkyOcc

SkyOcc 是 SkyShield 的参考单目无人机占用基线模型，采用“几何优先、安全优先”的设计理念，包含三个核心模块：

1. 姿态感知空间投影：利用逐帧无人机位姿和固定相机标定，将无人机为中心的 3D 参考点一致地投影到前视图像上，显式处理姿态和视角变化。
2. 时空柱状编码器：通过自身运动将历史柱状特征对齐到当前无人机坐标系，并与当前帧图像证据融合，实现时序一致性。
3. 安全优先体素优化：增加对稀疏但关键的安全类别（如薄结构、车辆、弱势道路使用者）的学习压力，结合类平衡监督和面向 IoU 的目标函数。

相关资源

• 技术论文：arXiv:2606.00747
• 数据集与代码：即将公开发布。
• 联系方式：[e-mail]

搜集汇总

数据集介绍

构建方式

在城市低空无人机自主飞行领域，安全导航不仅依赖于对可见目标的识别，更需要深入理解即将进入的三维空间占据状态。基于这一认知，SkyShield数据集应运而生，其构建依托于CARLA仿真器，聚焦于20米以下的城市低空飞行场景。数据采集覆盖8个不同城市场景、10种天气条件、15条预设轨迹及多种相机姿态，共生成36,000帧前视单目样本，并以25 Hz的频率连续录制12秒片段。为获取精确的语义占据标签，系统融合双激光雷达点云与仿真器内禀语义信息，为每一帧提供包含占据与自由空间的前视平截头体语义占据标注、6自由度机体位姿及动态相机几何参数。

使用方法

SkyShield数据集的使用遵循标准的前视单目语义占据预测流程。研究者可加载RGB图像、6自由度机体位姿及相机标定参数，基于预定义的前视平截头体空间范围进行体素化占据预测。基准评估采用两种指标：mIoU用于衡量全局占据重建质量，而KAR-mIoU则根据无人机运动状态与碰撞时间对近场错误进行加权惩罚。配套的SkyOcc参考基线提供了姿态感知空间投影、时空柱状编码器及安全先验体素优化等模块的实现范例。数据集、评价协议与基线代码将通过GitHub公开发布，便于研究者复现与拓展。

背景与挑战

背景概述

随着低空经济的蓬勃发展，无人机自主飞行安全性成为核心议题。现有航拍感知数据集多聚焦于二维检测与跟踪，难以满足复杂城市低空环境对三维空间理解的严苛要求。为此，厦门大学等机构的研究团队于2026年提出了SkyShield数据集，由高杰、马杰等研究者主导创建。该数据集将低空无人机感知重构为前视截锥体语义占据预测任务，要求模型基于单目前视RGB图像，推断航向空间内被占据与空闲的三维体素。这一安全导向的设计范式，将占据预测从感知层面提升为无人机自主飞行与物理运动之间的安全接口，为低空无人机在人类尺度城市空域中的安全导航提供了全新的研究基准，对推动三维感知与无人机自主性交叉领域的发展具有重要意义。

当前挑战

SkyShield所解决的领域挑战在于低空飞行场景中三维空间推理的独特性。与地面车辆不同，无人机需实时应对俯仰、横滚、偏航及高度等帧间姿态剧烈变化，在动态遮挡、稀疏障碍物及复杂光照环境下，准确判别前方空间的穿越性。数据集构建过程亦面临严峻挑战：需在CARLA仿真器中生成8个城市场景、10种天气条件下36K帧样本，保证姿态与语义标注的时空一致性；同时，为实现安全关键区域的精准度量，引入了运动学感知风险mIoU评估指标，对近场碰撞高风险区域的预测失败施以更大惩罚，这对标注精度与评估体系提出了前所未有的高标准要求。

常用场景

经典使用场景

在城市低空无人机自主飞行领域，SkyShield数据集被广泛用于前视单目语义占用预测任务。它要求模型仅凭单张前视RGB图像，推断当前相机视锥内的语义占用体素与观测到的自由空间体素，从而实现对无人机即将进入的三维空间进行精细感知。该数据集聚焦于20米以下的城市低空场景，涵盖多样化的城区环境、天气条件、飞行轨迹与相机姿态，为研究动态空中运动下基于视觉的占用推理提供了标准化基准。

解决学术问题

SkyShield解决了现有无人机感知数据集多局限于2D检测、跟踪或3D边界框预测等任务，而缺乏对飞行安全至关重要的三维空间占用建模的问题。传统方法难以处理低空飞行中薄几何结构、植被、遮挡、狭窄通道以及动态目标带来的复杂空间理解挑战。该数据集将占用预测作为无人机安全性的接口，推动了从视觉识别向空间推理的范式转变，显著提升了低空自主飞行的安全评估能力。

实际应用

在实际应用中，SkyShield所定义的单目语义占用预测技术可直接服务于城市低空物流配送、安防巡检、应急救援等无人机自主飞行场景。通过实时推断前向空间的占用状态，无人机能够更精准地规避电线杆、树枝、建筑物边缘等细微障碍物，并在姿态剧烈变化时保持对可通行空间的判断。数据集配套的运动感知风险评估指标KAR-mIoU进一步强化了安全关键区域的评估，为实际飞行中避免碰撞提供了可靠的感知基础。

数据集最近研究

最新研究方向

面向低空无人机自主飞行的前视单目语义占用预测基准研究。随着城市低空经济与无人机物流配送的蓬勃发展，低空无人机在20米以下城市峡谷中的安全自主飞行成为学术界与工业界共同关注的前沿热点。传统无人机感知数据集多聚焦于二维检测与三维边界框，难以应对飞行姿态动态变化、细薄障碍物遮挡及复杂空中廊道带来的安全挑战。SkyShield创新性地将占用预测构建为低空无人机的安全接口，首次提出前视截头体语义占用预测任务，并引入运动学感知风险mIoU评价指标，对短时间碰撞区域内的预测错误施以更高惩罚，精准衡量飞行安全关键区域的感知性能。该数据集及其基线模型SkyOcc通过姿态感知空间投影和时空柱状编码器，实现了对动态机动的鲁棒感知，为低空无人机自主导航的安全性与可靠性研究提供了全新范式与标准化评估平台，有望推动城市空中交通监管与自主避障技术的实质性突破。