摘要自主无人机着陆数据集TEKNOFEST源自TEKNOFEST航空人工智能竞赛是一个专门用于无人机自主着陆和障碍物规避的高分辨率航拍目标检测数据集。数据集简介数据集概述自主无人机着陆数据集TEKNOFEST源自TEKNOFEST航空人工智能竞赛是一个专门用于无人机自主着陆和障碍物规避的高分辨率航拍目标检测数据集。数据集包含从无人机视角拍摄的1920×1080像素高清视频帧标注了4个关键类别车辆Vehicle障碍物、UAP着陆垫青色圆形主要着陆目标、UAI着陆垫红色新月标志次要着陆目标和人员Person安全检测对象。数据集采用俯视和倾斜角度的航拍视角场景为户外田径场地综合体提供Pascal VOCXML和YOLOTXT归一化坐标双格式标注。该数据集已从原始竞赛数据预处理、格式转换并划分为训练集和验证集配备data.yaml配置文件可直接用于YOLO、SSD或Faster R-CNN等模型训练适用于精准着陆系统、实时障碍物规避和视觉伺服研究。数据结构与关键特征数据集采用YOLO标准目录结构按训练集train和验证集valid划分每部分包含images和labels子目录。图像文件为PNG/JPG格式1920×1080高清分辨率标注文件提供XMLPascal VOC和TXTYOLO归一化坐标双格式配备data.yaml配置文件定义类别和路径。关键特征包括精细的着陆标记分类通过颜色和图案区分UAP青色着陆垫和UAI红色新月着陆垫、安全导向的类别设计人员和车辆作为禁止着陆的障碍物标注、真实无人机航拍视角俯视和倾斜角度模拟真实着陆场景、高分辨率图像质量1920×1080确保小目标和细节可见、以及户外复杂环境田径场地的地面纹理、光照变化、阴影干扰。数据集的类别设计体现了自主着陆的核心需求UAP/UAI标记提供精确着陆坐标人员检测实现安全避让车辆识别提供障碍物信息支持构建完整的智能着陆决策系统。应用价值与研究方向该数据集在无人机自主飞行、精准着陆、航空安全和计算机视觉领域具有重要应用价值可用于开发无人机自主着陆系统、实时障碍物规避平台、视觉伺服控制系统和智能飞行决策工具。研究方向包括基于深度学习的着陆标记检测算法、精准定位与视觉对齐技术、实时安全检测人员/车辆规避、多目标跟踪与轨迹预测、视觉伺服控制策略、细粒度着陆垫分类UAP vs UAI、以及轻量级模型设计用于无人机边缘计算部署。数据集的双标记设计UAP主目标、UAI次目标特别适合研究任务优先级决策、多目标选择策略以及动态着陆点切换。此外该数据集还可扩展至其他无人机视觉应用自主导航、目标追踪、地面识别和机器人视觉场景为推动无人机智能化、提升自主着陆精度和安全性、降低飞行事故率提供重要的数据支撑和技术基础。数据集来源源自TEKNOFEST航空人工智能竞赛。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-198文件大小1.8G原创声明本数据集为整理作品