Multi-view drone tracking datasets

本仓库包含多个数据集，其中无人机（六旋翼飞行器）通过多个消费级相机（智能手机、紧凑型相机、GoPro等）捕捉，并使用Fixposition提供的精确实时RTK系统记录了高精度的3D无人机轨迹。部分数据集还提供了时间同步和相机位置的地面实况。

This repository contains multiple datasets. Hexacopter unmanned aerial vehicles (UAVs) captured data via multiple consumer-grade cameras including smartphones, compact cameras, GoPro cameras, etc., while high-precision 3D drone trajectories were recorded using a high-precision real-time RTK system provided by Fixposition. Some datasets also provide time synchronization and ground truth for camera positions.

原始信息汇总

数据集概述

本数据集包含多个无人机飞行追踪数据集，其中无人机（六旋翼飞行器）通过多种消费级摄像设备（智能手机、紧凑型相机、GoPro等）进行捕捉，并配备有高精度的3D轨迹地面实况记录系统，该系统由Fixposition提供的实时RTK系统记录。部分数据集还提供了地面实况时间同步和摄像机位置信息。

数据集详情

数据集	3D轨迹	时间同步	摄像机位置	2D标签	3D方向
1	是	否	否	是	否
2	是	否	否	是	否
3	是	是	是	是	否
4	是	是	否	是	否
5	是	是	是	否	是

数据集特性

• 数据集1：简单数据集，飞行时间短且速度慢，使用4个摄像机，飞行时长约2分钟。
• 数据集2：简单数据集，飞行时间较长且速度快，使用4个摄像机，飞行时长约2.5分钟。
• 数据集3：中等难度数据集，使用6个摄像机，飞行时长约9分钟，包含多种速度和运动类型。
• 数据集4：高难度数据集，使用7个摄像机，飞行时长约7分钟，快速运动和移动的云层增加了检测难度。
• 数据集5：挑战性冬季数据集，使用6个摄像机，飞行时长约10分钟，背景覆盖雪，涉及多个无人机。

数据集提供内容

• 每个摄像机的校准参数和校准图像。
• 3D轨迹地面实况记录。
• 部分数据集提供时间同步和摄像机位置信息。

引用信息

若在研究中使用此数据集，请引用相关论文。

搜集汇总

数据集介绍

构建方式

Multi-view drone tracking datasets通过使用多台消费级摄像设备（如智能手机、紧凑型相机和GoPro等）捕捉飞行中的六旋翼无人机，并结合Fixposition提供的精确实时RTK系统记录的3D无人机轨迹地面实况，构建了这一数据集。部分数据集还提供了地面实况时间同步和相机位置信息。每个数据集均包含校准参数和校准图像，确保数据的高精度与可靠性。

特点

该数据集的显著特点在于其多视角捕捉和高精度3D轨迹记录，涵盖了从简单到复杂的多种飞行场景，包括不同速度和运动类型的无人机飞行。此外，数据集提供了详细的2D标签和部分3D方向信息，为研究者提供了丰富的分析维度。特别是Dataset 5，通过融合全站仪跟踪和机载IMU数据，提供了在复杂冬季环境下的多无人机轨迹数据，进一步增强了数据集的多样性和挑战性。

使用方法

使用该数据集时，用户可通过提供的脚本或7z等压缩管理工具解压视频文件。数据集适用于多视角无人机轨迹估计、同步摄像机数据处理等研究领域。用户需注意引用相关文献，并可参考提供的校准参数和图像进行数据校准。对于Dataset 5，用户还可参考专门的工具包进行数据收集和处理，以深入理解和应用该数据集。

背景与挑战

背景概述

多视角无人机追踪数据集（Multi-view drone tracking datasets）由苏黎世联邦理工学院（ETH Zurich）的光学测量与遥感研究组主导创建，旨在解决多视角下无人机轨迹追踪的复杂问题。该数据集通过使用多台消费级相机（如智能手机、紧凑型相机等）捕捉飞行中的六旋翼无人机，并结合Fixposition提供的精确实时RTK系统记录的3D无人机轨迹地面实况，提供了高精度的3D轨迹数据。部分数据集还包含了地面实况时间同步和相机位置信息，为多视角无人机追踪研究提供了丰富的实验数据。该数据集的核心研究问题在于如何从多个未同步的相机中估计无人机的3D轨迹，其研究成果已在相关领域产生了广泛影响。

当前挑战

多视角无人机追踪数据集面临的主要挑战包括：首先，多视角下相机之间的未同步问题，导致数据的时间对齐困难；其次，不同相机视角下的图像质量和光照条件差异，增加了无人机检测和轨迹估计的复杂性；此外，部分数据集中的快速运动和动态背景（如移动的云层）进一步提高了检测难度。在数据集构建过程中，精确的相机校准和轨迹同步是关键挑战，尤其是在复杂环境下确保数据的准确性和一致性。最后，数据集的多样性和复杂性要求研究者开发高效的算法和工具，以应对不同场景下的无人机追踪任务。

常用场景

经典使用场景

Multi-view drone tracking datasets 在无人机追踪与定位领域具有广泛的应用前景。该数据集通过多视角摄像头捕捉飞行中的无人机，并结合高精度的RTK系统记录无人机的3D轨迹，为研究者提供了丰富的多视角同步数据。经典的使用场景包括无人机轨迹估计、多视角图像同步、以及基于多摄像头系统的3D重建等。通过这些数据，研究者可以开发和验证多视角追踪算法，提升无人机在复杂环境中的定位精度。

解决学术问题

该数据集解决了无人机追踪领域中多视角同步与3D轨迹估计的关键学术问题。传统的无人机追踪方法往往依赖单一视角，难以应对复杂环境中的遮挡与视角变化。Multi-view drone tracking datasets 通过提供多视角同步数据和高精度的3D轨迹，为研究者提供了全新的研究平台，推动了多视角追踪与定位技术的发展。其意义在于为无人机在复杂环境中的精准定位提供了理论与实践支持，具有重要的学术价值。

衍生相关工作

基于Multi-view drone tracking datasets，研究者已开发出多种多视角追踪与定位算法。例如，Cenek Albl等人提出的多视角无人机轨迹估计方法，通过融合多摄像头数据与RTK系统，实现了高精度的3D轨迹估计。此外，Yue Pan等人基于该数据集开发了无人机追踪工具包，进一步推动了无人机追踪技术的发展。这些相关工作不仅提升了无人机追踪的精度，还为多视角图像处理与3D重建提供了新的研究方向。