近年来全球低空经济进入快速增长期，民用无人机在物流配送、农林巡检、影视航拍等场景的应用规模持续扩大，与此同时，无人机“黑飞”闯入机场净空区、敏感空域的安全事件也逐年递增，对民航运行安全、城市公共安全构成了新的挑战。当前主流的无人机检测算法多依赖计算机视觉技术，但在远距离小目标识别、复杂光照/天气环境下的抗干扰、遮挡场景下的目标跟踪等环节始终存在性能瓶颈，而高质量、多场景、标注完善的专用训练数据集，正是突破这些技术瓶颈的核心基础条件。
正是瞄准这一行业共性需求，德雷塞尔大学iMaPLe研究实验室正式发布LRDDv3: High-Resolution Long-Range Drone Detection Dataset（高分辨率长距离无人机检测数据集），旨在解决无人机在复杂真实场景中远距离检测的行业痛点。该数据集包含102,532张4K分辨率的RGB图像和29,630张配对的640x512红外图像，总计源自8个月内17个不同采集日拍摄的128段视频片段，覆盖了多样化的光照条件、天气背景和飞行环境。数据通过移动飞行相机以5 FPS采样率收集，并标注了无人机距离信息（0-200米），可有效增强算法模型在遮挡、背景融合及小目标检测下的泛化能力。
从应用价值来看，该数据集主要可支撑无人机检测与跟踪、计算机视觉算法开发及航空安全系统三大方向的技术研发：在民航领域，可用于训练机场净空区的远距离无人机入侵预警系统，提前识别闯入空域的小型无人机，降低航班延误与安全风险；在城市治理领域，可助力政务安防部门的“黑飞”监测系统优化，提升重大活动、敏感区域的低空防御能力；在低空交通领域，也可为未来城市低空航路的无人机交通管理（UTM）系统提供感知算法训练支撑，保障低空物流、载人eVTOL等新业态的运行安全。作为人工智能技术落地的核心生产要素，高质量标注数据集的供给能力直接决定了垂直领域AI应用的落地效率，此次LRDDv3数据集的发布，填补了长距离、多模态无人机检测场景的训练数据空白，对于推动全球低空安全感知技术的普惠化落地、支撑低空经济的安全有序发展具有重要的行业价值。
查看LRDDv3: High-Resolution Long-Range Drone Detection Dataset
详情页内容：
_1769672084863.jpg)