Satellite-to-UAV SatDronePair 数据生产
简体中文 | English
本章将 DenseUAV、GTA-UAV、SUES-200 和 UAV-VisLoc 转换为 Satellite-to-UAV Stage-A 使用的 UAV–Satellite 配对数据：
上游原始数据 -> source converter -> SatDronePair/{4 sources}
-> manifest.jsonl -> Stage-A train/eval
上游图像需要从各数据集的官方入口下载，并按照对应数据集的许可协议使用：
数据源 |
官方入口 |
转换器需要的内容 |
|---|---|---|
DenseUAV |
GPS 文本及完整 train/test 图像 |
|
GTA-UAV |
|
|
SUES-200 |
|
|
UAV-VisLoc |
完整序列和 |
1. 安装与目录
在仓库根目录执行：
python -m pip install -e ".[s2r-data]"
python -m tools.s2r.data_generation --help
统一的数据生产入口为：
python -m tools.s2r.data_generation <dataset> <command> [args...]
最终目录固定为：
SatDronePair/
├── denseuav/{drone,satellite,pairs.csv,dataset_info.json}
├── gta/{drone,satellite,pairs.csv,dataset_info.json}
├── sues/{drone,satellite,pairs.csv,dataset_info.json}
└── uavvisloc/{drone,satellite,pairs.csv,dataset_info.json}
将中间 variant 与最终数据分别保存：
export PAIR_ROOT=/path/to/SatDronePair
export PAIR_WORK=/path/to/SatDronePair-work
mkdir -p "$PAIR_ROOT" "$PAIR_WORK"
需要复用参数时，可以复制并编辑
config.example.yaml，然后给统一入口增加
--config runtime/s2r/data_generation.yaml。显式 CLI 参数优先于 YAML。
2. 生成四个数据源
2.1 DenseUAV
--dataset-root 需要包含 Dense_GPS_{train,test}.txt、train/ 和 test/：
python -m tools.s2r.data_generation denseuav build_pairs \
--dataset-root /path/to/DenseUAV \
--output-dir "$PAIR_ROOT/denseuav" \
--workers 16
2.2 GTA-UAV
--data-root 指向 GTA-UAV-LR。转换器会在航向检查前合并 same-area/cross-area
协议中的重复项，每个物理配对只导出一次，同时在 pairs.csv 保留协议 ID 和原始 split：
python -m tools.s2r.data_generation gta_uav build_pairs \
--data-root /path/to/GTA-UAV-LR \
--output-dir "$PAIR_ROOT/gta" \
--workers 8
2.3 SUES-200
原始目录需要包含 satellite-view/ 和 drone_view_512/：
python -m tools.s2r.data_generation sues pipeline \
--data-root /path/to/SUES-200-512x512 \
--output-dir "$PAIR_WORK/sues_export" \
--heights 150,200,250,300 \
--nadir-min-conf 0.30 \
--skip-preview
python -m tools.s2r.data_generation sues merge_variants \
--dataset-dir "$PAIR_WORK/sues_export" \
--variant-map "orig:satellite:drone,crop384:satellite_crop384:drone_crop384,crop256:satellite_crop256:drone_crop256" \
--output-dir "$PAIR_ROOT/sues"
最终保留 orig/crop384/crop256 三个训练 variant。
2.4 UAV-VisLoc
--data-root 需要包含各序列的 CSV、drone 图像和 satellite TIF：
python -m tools.s2r.data_generation uavvisloc export_selected \
--data-root /path/to/UAV-VisLoc/data \
--sat-bounds-csv /path/to/UAV-VisLoc/satellite_coordinates_range.csv \
--output-dir "$PAIR_WORK/uavvisloc_orig" \
--allow-missing-pose
python -m tools.s2r.data_generation uavvisloc center_recrop_pairs \
--dataset-dir "$PAIR_WORK/uavvisloc_orig" \
--output-dir "$PAIR_WORK/uavvisloc_crop384" \
--crop-size 384 \
--output-size 512
python -m tools.s2r.data_generation uavvisloc merge_variants \
--variant \
"orig=$PAIR_WORK/uavvisloc_orig" \
"crop384=$PAIR_WORK/uavvisloc_crop384" \
--output-dir "$PAIR_ROOT/uavvisloc"
最终保留 orig/crop384 两个训练 variant。卫星 crop 尺度由高度近似推导，可以通过
预览图检查生成结果。
SUES 与 UAV-VisLoc 的 center_recrop_pairs 命令会根据 pairs.csv 的图像字段选择
对应 schema。
3. 构建 Manifest
严格模式会检查四个 pairs.csv 及其全部图像引用：
python -m tools.s2r.scripts.build_manifest \
--data_root "$PAIR_ROOT" \
--output_path runtime/s2r/manifests/manifest_v1.jsonl \
--val_ratio 0.1 \
--seed 42 \
--skip_missing false
Split 按位置分组：DenseUAV 按基础位置、GTA-UAV 按 Satellite tile、SUES-200 按
scene_id、UAV-VisLoc 按 seq_id。当前完整数据生成 19,365 条记录：DenseUAV
5,464、GTA-UAV 5,102、SUES-200 1,497、UAV-VisLoc 7,302。
Stage-A 的训练与 retrieval 评测见 Satellite-to-UAV Stage-A 训练。
4. 质量检查
分别生成四个数据源的预览图：
python -m tools.s2r.data_generation denseuav sample_preview --dataset-dir "$PAIR_ROOT/denseuav"
python -m tools.s2r.data_generation gta_uav sample_preview --dataset-dir "$PAIR_ROOT/gta"
python -m tools.s2r.data_generation sues sample_preview --dataset-dir "$PAIR_ROOT/sues"
python -m tools.s2r.data_generation uavvisloc sample_preview --dataset-dir "$PAIR_ROOT/uavvisloc"
预览图用于人工检查，不参与训练。正式数据目录保留 dataset_info.json、pairs.csv、
drone/ 和 satellite/；中间 variant 可以在 Manifest 校验完成后清理。