Find research datasets worth reusing

Search datasets from major research repositories and use ShareScore to quickly assess how well each record supports discovery, access, and reuse.

354

datasets available to search

ShareScore release 0.7.1

Dataset results

354 results for “drone”

Learn how ShareScore rates datasets ↗

zenodo44/100

Orthophoto & DEM (MNE) issues d'images drone, UAV, Jollyroger, Mayotte - 20220910

"Ce jeu de données présente les résultats des traitements photogrammétriques d'images de drone DJI Mavic 2 Pro UAV acquises sur le site de Jollyroger, Mayotte à la date suivante : 20220910. Dans le cadre de la collaboration entre le Projet G2OI et Mayotte FMR (Future Maore Reef), l'objectif de la mission vise à étudier l'implantation de récifs artificiels dans le lagon de Mayotte sur plusieurs sites. En espace aérien contrôlé, les vols ont été exécutés en regard de la réglmentation et en contact avec la tour de contrôle de l'aéroport de Mayotte. Le paramétrage du logiciel OpenDroneMap est partagé pour permettre la reproductibilité ou l'amélioration des traitements proposés: [ { 'name': 'orthophoto-resolution', 'value': 1 }, { 'name': 'auto-boundary', 'value': true }, { 'name': 'dem-resolution', 'value': '2.0' }, { 'name': 'dsm', 'value': true } ] Le dépôt est composé des éléments suivants: - 00_: Planche d'aperçu des images - DCIM.zip: Images brutes issues du drone - GPS.zip: Geopackage contenant l'emprise du survol ainsi que la géolocalisation des images accompagnées de leurs miniatures dans la table d'attribut en base64 - METADATA.zip: Métadonnées au format ISO19115, Rapports avec miniatures des images de drone (dossier tb) et statistiques de vols. - PROCESSED_DATA.zip: Orthophoto, DEM, nuages de points, ... Arborescence d'origine: └─ 20220910_MYT-jollyroger_UAV-02_2 └─ DCIM └─ GPS └─ METADATA └─ tb └─ PROCESSED_DATA Informations de survol: Différentes hauteurs de vols, angles des transects et angles de caméra ont été utilisés dans le but d'obtenir des données de qualité en fonction des conditions météorologiques et marines. - Camera model and parameters: Make: Hasselblad Model: L1D-20c Width: 5472 Height: 3648 Focal: 28 WhiteBalance: Manual ExposureMode: Auto Exposure ColoSpace: sRGB EV: -0.7 MeteringMode: CenterWeightedAverage Camera Pitch: -89.90 - Survey informations: No Images: 194 Median height: 119 meters Survey area: 27.34 hectares Survey from: 2022:09:10 12:28:03 to: 2022:09:10 12:40:27 "

opencc-by-4.0Oct 2023View details →

zenodo44/100

Orthophoto & DEM (MNE) issues d'images drone, UAV, Ngouja, Mayotte - 20220913

"Ce jeu de données présente les résultats des traitements photogrammétriques d'images de drone DJI Mavic 2 Pro UAV acquises sur le site de Ngouja, Mayotte à la date suivante : 20220913. Dans le cadre de la collaboration entre le Projet G2OI et Mayotte FMR (Future Maore Reef), l'objectif de la mission vise à étudier l'implantation de récifs artificiels dans le lagon de Mayotte sur plusieurs sites. En espace aérien contrôlé, les vols ont été exécutés en regard de la réglmentation et en contact avec la tour de contrôle de l'aéroport de Mayotte. Le paramétrage du logiciel OpenDroneMap est partagé pour permettre la reproductibilité ou l'amélioration des traitements proposés: [ { 'name': 'orthophoto-resolution', 'value': 1 }, { 'name': 'auto-boundary', 'value': true }, { 'name': 'dem-resolution', 'value': '2.0' }, { 'name': 'dsm', 'value': true } ] Le dépôt est composé des éléments suivants: - 00_: Planche d'aperçu des images - DCIM.zip: Images brutes issues du drone - GPS.zip: Geopackage contenant l'emprise du survol ainsi que la géolocalisation des images accompagnées de leurs miniatures dans la table d'attribut en base64 - METADATA.zip: Métadonnées au format ISO19115, Rapports avec miniatures des images de drone (dossier tb) et statistiques de vols. - PROCESSED_DATA.zip: Orthophoto, DEM, nuages de points, ... Arborescence d'origine: └─ 20220913_MYT-ngouja_UAV-02_2 └─ DCIM └─ GPS └─ METADATA └─ tb └─ PROCESSED_DATA Informations de survol: Différentes hauteurs de vols, angles des transects et angles de caméra ont été utilisés dans le but d'obtenir des données de qualité en fonction des conditions météorologiques et marines. - Camera model and parameters: Make: Hasselblad Model: L1D-20c Width: 5472 Height: 3648 Focal: 28 WhiteBalance: Manual ExposureMode: Auto Exposure ColoSpace: sRGB EV: -0.7 MeteringMode: Average Camera Pitch: -75.00 - Survey informations: No Images: 361 Median height: 70 meters Survey area: 7.06 hectares Survey from: 2022:09:13 14:41:28 to: 2022:09:13 14:55:42 "

opencc-by-4.0Oct 2023View details →

zenodo44/100

Orthophoto & DEM (MNE) issues d'images drone, UAV, Aeroport, Mayotte - 20220911

"Ce jeu de données présente les résultats des traitements photogrammétriques d'images de drone DJI Mavic 2 Pro UAV acquises sur le site de Aeroport, Mayotte à la date suivante : 20220911. Dans le cadre de la collaboration entre le Projet G2OI et Mayotte FMR (Future Maore Reef), l'objectif de la mission vise à étudier l'implantation de récifs artificiels dans le lagon de Mayotte sur plusieurs sites. En espace aérien contrôlé, les vols ont été exécutés en regard de la réglmentation et en contact avec la tour de contrôle de l'aéroport de Mayotte. Le paramétrage du logiciel OpenDroneMap est partagé pour permettre la reproductibilité ou l'amélioration des traitements proposés: [ { 'name': 'orthophoto-resolution', 'value': 1 }, { 'name': 'auto-boundary', 'value': true }, { 'name': 'dem-resolution', 'value': '2.0' }, { 'name': 'dsm', 'value': true } ] Le dépôt est composé des éléments suivants: - 00_: Planche d'aperçu des images - DCIM.zip: Images brutes issues du drone - GPS.zip: Geopackage contenant l'emprise du survol ainsi que la géolocalisation des images accompagnées de leurs miniatures dans la table d'attribut en base64 - METADATA.zip: Métadonnées au format ISO19115, Rapports avec miniatures des images de drone (dossier tb) et statistiques de vols. - PROCESSED_DATA.zip: Orthophoto, DEM, nuages de points, ... Arborescence d'origine: └─ 20220911_MYT-aeroport_UAV-02_2 └─ DCIM └─ GPS └─ METADATA └─ tb └─ PROCESSED_DATA Informations de survol: Différentes hauteurs de vols, angles des transects et angles de caméra ont été utilisés dans le but d'obtenir des données de qualité en fonction des conditions météorologiques et marines. - Camera model and parameters: Make: Hasselblad Model: L1D-20c Width: 5472 Height: 3648 Focal: 28 WhiteBalance: Manual ExposureMode: Auto Exposure ColoSpace: sRGB EV: -0.7 MeteringMode: CenterWeightedAverage Camera Pitch: -90.00 - Survey informations: No Images: 187 Median height: 70 meters Survey area: 4.03 hectares Survey from: 2022:09:11 15:18:37 to: 2022:09:11 15:26:13 "

opencc-by-4.0Oct 2023View details →

zenodo44/100

Orthophoto & DEM (MNE) issues d'images drone, UAV, Jolly roger, Mayotte - 20220910

"Ce jeu de données présente les résultats des traitements photogrammétriques d'images de drone DJI Mavic 2 Pro UAV acquises sur le site de Jolly roger, Mayotte à la date suivante : 20220910. Dans le cadre de la collaboration entre le Projet G2OI et Mayotte FMR (Future Maore Reef), l'objectif de la mission vise à étudier l'implantation de récifs artificiels dans le lagon de Mayotte sur plusieurs sites. En espace aérien contrôlé, les vols ont été exécutés en regard de la réglmentation et en contact avec la tour de contrôle de l'aéroport de Mayotte. Le paramétrage du logiciel OpenDroneMap est partagé pour permettre la reproductibilité ou l'amélioration des traitements proposés: [ { 'name': 'orthophoto-resolution', 'value': 1 }, { 'name': 'auto-boundary', 'value': true }, { 'name': 'dem-resolution', 'value': '2.0' }, { 'name': 'dsm', 'value': true } ] Le dépôt est composé des éléments suivants: - 00_: Planche d'aperçu des images - DCIM.zip: Images brutes issues du drone - GPS.zip: Geopackage contenant l'emprise du survol ainsi que la géolocalisation des images accompagnées de leurs miniatures dans la table d'attribut en base64 - METADATA.zip: Métadonnées au format ISO19115, Rapports avec miniatures des images de drone (dossier tb) et statistiques de vols. - PROCESSED_DATA.zip: Orthophoto, DEM, nuages de points, ... Arborescence d'origine: └─ 20220910_MYT-jolly-roger_UAV-02_3 └─ DCIM └─ GPS └─ METADATA └─ tb └─ PROCESSED_DATA Informations de survol: Différentes hauteurs de vols, angles des transects et angles de caméra ont été utilisés dans le but d'obtenir des données de qualité en fonction des conditions météorologiques et marines. - Camera model and parameters: Make: Hasselblad Model: L1D-20c Width: 5472 Height: 3648 Focal: 28 WhiteBalance: Manual ExposureMode: Auto Exposure ColoSpace: sRGB EV: -0.7 MeteringMode: CenterWeightedAverage Camera Pitch: -90.00 - Survey informations: No Images: 198 Median height: 119 meters Survey area: 27.47 hectares Survey from: 2022:09:10 12:48:38 to: 2022:09:10 13:01:33 "

opencc-by-4.0Oct 2023View details →

zenodo44/100

Orthophoto & DEM (MNE) issues d'images drone, UAV, Aeroport, Mayotte - 20220911

"Ce jeu de données présente les résultats des traitements photogrammétriques d'images de drone DJI Mavic 2 Pro UAV acquises sur le site de Aeroport, Mayotte à la date suivante : 20220911. Dans le cadre de la collaboration entre le Projet G2OI et Mayotte FMR (Future Maore Reef), l'objectif de la mission vise à étudier l'implantation de récifs artificiels dans le lagon de Mayotte sur plusieurs sites. En espace aérien contrôlé, les vols ont été exécutés en regard de la réglmentation et en contact avec la tour de contrôle de l'aéroport de Mayotte. Le paramétrage du logiciel OpenDroneMap est partagé pour permettre la reproductibilité ou l'amélioration des traitements proposés: [ { 'name': 'orthophoto-resolution', 'value': 1 }, { 'name': 'auto-boundary', 'value': true }, { 'name': 'dem-resolution', 'value': '2.0' }, { 'name': 'dsm', 'value': true } ] Le dépôt est composé des éléments suivants: - 00_: Planche d'aperçu des images - DCIM.zip: Images brutes issues du drone - GPS.zip: Geopackage contenant l'emprise du survol ainsi que la géolocalisation des images accompagnées de leurs miniatures dans la table d'attribut en base64 - METADATA.zip: Métadonnées au format ISO19115, Rapports avec miniatures des images de drone (dossier tb) et statistiques de vols. - PROCESSED_DATA.zip: Orthophoto, DEM, nuages de points, ... Arborescence d'origine: └─ 20220911_MYT-aeroport_UAV-02_1 └─ DCIM └─ GPS └─ METADATA └─ tb └─ PROCESSED_DATA Informations de survol: Différentes hauteurs de vols, angles des transects et angles de caméra ont été utilisés dans le but d'obtenir des données de qualité en fonction des conditions météorologiques et marines. - Camera model and parameters: Make: Hasselblad Model: L1D-20c Width: 5472 Height: 3648 Focal: 28 WhiteBalance: Manual ExposureMode: Auto Exposure ColoSpace: sRGB EV: -0.7 MeteringMode: CenterWeightedAverage Camera Pitch: -90.00 - Survey informations: No Images: 390 Median height: 75 meters Survey area: 10.3 hectares Survey from: 2022:09:11 14:18:26 to: 2022:09:11 14:33:31 "

opencc-by-4.0Oct 2023View details →

zenodo44/100

Orthophoto & DEM (MNE) issues d'images drone, UAV, Jollyroger, Mayotte - 20220913

"Ce jeu de données présente les résultats des traitements photogrammétriques d'images de drone DJI Mavic 2 Pro UAV acquises sur le site de Jollyroger, Mayotte à la date suivante : 20220913. Dans le cadre de la collaboration entre le Projet G2OI et Mayotte FMR (Future Maore Reef), l'objectif de la mission vise à étudier l'implantation de récifs artificiels dans le lagon de Mayotte sur plusieurs sites. En espace aérien contrôlé, les vols ont été exécutés en regard de la réglmentation et en contact avec la tour de contrôle de l'aéroport de Mayotte. Le paramétrage du logiciel OpenDroneMap est partagé pour permettre la reproductibilité ou l'amélioration des traitements proposés: [ { 'name': 'orthophoto-resolution', 'value': 1 }, { 'name': 'auto-boundary', 'value': true }, { 'name': 'dem-resolution', 'value': '2.0' }, { 'name': 'dsm', 'value': true } ] Le dépôt est composé des éléments suivants: - 00_: Planche d'aperçu des images - DCIM.zip: Images brutes issues du drone - GPS.zip: Geopackage contenant l'emprise du survol ainsi que la géolocalisation des images accompagnées de leurs miniatures dans la table d'attribut en base64 - METADATA.zip: Métadonnées au format ISO19115, Rapports avec miniatures des images de drone (dossier tb) et statistiques de vols. - PROCESSED_DATA.zip: Orthophoto, DEM, nuages de points, ... Arborescence d'origine: └─ 20220913_MYT-jollyroger_UAV-02_1 └─ DCIM └─ GPS └─ METADATA └─ tb └─ PROCESSED_DATA Informations de survol: Différentes hauteurs de vols, angles des transects et angles de caméra ont été utilisés dans le but d'obtenir des données de qualité en fonction des conditions météorologiques et marines. - Camera model and parameters: Make: Hasselblad Model: L1D-20c Width: 5472 Height: 3648 Focal: 28 WhiteBalance: Manual ExposureMode: Auto Exposure ColoSpace: sRGB EV: -0.7 MeteringMode: CenterWeightedAverage Camera Pitch: -75.00 - Survey informations: No Images: 327 Median height: 40 meters Survey area: 3.06 hectares Survey from: 2022:09:13 10:38:10 to: 2022:09:13 10:52:26 "

opencc-by-4.0Oct 2023View details →

zenodo44/100

Orthophoto & DEM (MNE) issues d'images drone, UAV, Ile blanche, Mayotte - 20220914

"Ce jeu de données présente les résultats des traitements photogrammétriques d'images de drone DJI Mavic 2 Pro UAV acquises sur le site de Ile blanche, Mayotte à la date suivante : 20220914. Dans le cadre de la collaboration entre le Projet G2OI et Mayotte FMR (Future Maore Reef), l'objectif de la mission vise à étudier l'implantation de récifs artificiels dans le lagon de Mayotte sur plusieurs sites. En espace aérien contrôlé, les vols ont été exécutés en regard de la réglmentation et en contact avec la tour de contrôle de l'aéroport de Mayotte. Le paramétrage du logiciel OpenDroneMap est partagé pour permettre la reproductibilité ou l'amélioration des traitements proposés: [ { 'name': 'orthophoto-resolution', 'value': 1 }, { 'name': 'auto-boundary', 'value': true }, { 'name': 'dem-resolution', 'value': '2.0' }, { 'name': 'dsm', 'value': true } ] Le dépôt est composé des éléments suivants: - 00_: Planche d'aperçu des images - DCIM.zip: Images brutes issues du drone - GPS.zip: Geopackage contenant l'emprise du survol ainsi que la géolocalisation des images accompagnées de leurs miniatures dans la table d'attribut en base64 - METADATA.zip: Métadonnées au format ISO19115, Rapports avec miniatures des images de drone (dossier tb) et statistiques de vols. - PROCESSED_DATA.zip: Orthophoto, DEM, nuages de points, ... Arborescence d'origine: └─ 20220914_MYT-ile-blanche_UAV-02_2 └─ DCIM └─ GPS └─ METADATA └─ tb └─ PROCESSED_DATA Informations de survol: Différentes hauteurs de vols, angles des transects et angles de caméra ont été utilisés dans le but d'obtenir des données de qualité en fonction des conditions météorologiques et marines. - Camera model and parameters: Make: Hasselblad Model: L1D-20c Width: 5472 Height: 3648 Focal: 28 WhiteBalance: Manual ExposureMode: Auto Exposure ColoSpace: sRGB EV: -0.7 MeteringMode: CenterWeightedAverage Camera Pitch: -75.00 - Survey informations: No Images: 346 Median height: 60 meters Survey area: 5.6 hectares Survey from: 2022:09:14 10:19:27 to: 2022:09:14 10:33:56 "

opencc-by-4.0Oct 2023View details →

zenodo44/100

Orthophoto & DEM (MNE) issues d'images drone, UAV, Surprise, Mayotte - 20220912

"Ce jeu de données présente les résultats des traitements photogrammétriques d'images de drone DJI Mavic 2 Pro UAV acquises sur le site de Surprise, Mayotte à la date suivante : 20220912. Dans le cadre de la collaboration entre le Projet G2OI et Mayotte FMR (Future Maore Reef), l'objectif de la mission vise à étudier l'implantation de récifs artificiels dans le lagon de Mayotte sur plusieurs sites. En espace aérien contrôlé, les vols ont été exécutés en regard de la réglmentation et en contact avec la tour de contrôle de l'aéroport de Mayotte. Le paramétrage du logiciel OpenDroneMap est partagé pour permettre la reproductibilité ou l'amélioration des traitements proposés: [ { 'name': 'orthophoto-resolution', 'value': 1 }, { 'name': 'auto-boundary', 'value': true }, { 'name': 'dem-resolution', 'value': '2.0' }, { 'name': 'dsm', 'value': true } ] Le dépôt est composé des éléments suivants: - 00_: Planche d'aperçu des images - DCIM.zip: Images brutes issues du drone - GPS.zip: Geopackage contenant l'emprise du survol ainsi que la géolocalisation des images accompagnées de leurs miniatures dans la table d'attribut en base64 - METADATA.zip: Métadonnées au format ISO19115, Rapports avec miniatures des images de drone (dossier tb) et statistiques de vols. - PROCESSED_DATA.zip: Orthophoto, DEM, nuages de points, ... Arborescence d'origine: └─ 20220912_MYT-surprise_UAV-02_2 └─ DCIM └─ GPS └─ METADATA └─ tb └─ PROCESSED_DATA Informations de survol: Différentes hauteurs de vols, angles des transects et angles de caméra ont été utilisés dans le but d'obtenir des données de qualité en fonction des conditions météorologiques et marines. - Camera model and parameters: Make: Hasselblad Model: L1D-20c Width: 5472 Height: 3648 Focal: 28 WhiteBalance: Manual ExposureMode: Auto Exposure ColoSpace: sRGB EV: -0.7 MeteringMode: CenterWeightedAverage Camera Pitch: -75.00 - Survey informations: No Images: 336 Median height: 70 meters Survey area: 6.49 hectares Survey from: 2022:09:12 12:31:19 to: 2022:09:12 12:45:40 "

opencc-by-4.0Oct 2023View details →

zenodo44/100

Orthophoto & DEM (MNE) issues d'images drone, UAV, Aeroport, Mayotte - 20220914

"Ce jeu de données présente les résultats des traitements photogrammétriques d'images de drone DJI Mavic 2 Pro UAV acquises sur le site de Aeroport, Mayotte à la date suivante : 20220914. Dans le cadre de la collaboration entre le Projet G2OI et Mayotte FMR (Future Maore Reef), l'objectif de la mission vise à étudier l'implantation de récifs artificiels dans le lagon de Mayotte sur plusieurs sites. En espace aérien contrôlé, les vols ont été exécutés en regard de la réglmentation et en contact avec la tour de contrôle de l'aéroport de Mayotte. Le paramétrage du logiciel OpenDroneMap est partagé pour permettre la reproductibilité ou l'amélioration des traitements proposés: [ { 'name': 'orthophoto-resolution', 'value': 1 }, { 'name': 'auto-boundary', 'value': true }, { 'name': 'dem-resolution', 'value': '2.0' }, { 'name': 'dsm', 'value': true } ] Le dépôt est composé des éléments suivants: - 00_: Planche d'aperçu des images - DCIM.zip: Images brutes issues du drone - GPS.zip: Geopackage contenant l'emprise du survol ainsi que la géolocalisation des images accompagnées de leurs miniatures dans la table d'attribut en base64 - METADATA.zip: Métadonnées au format ISO19115, Rapports avec miniatures des images de drone (dossier tb) et statistiques de vols. - PROCESSED_DATA.zip: Orthophoto, DEM, nuages de points, ... Arborescence d'origine: └─ 20220914_MYT-aeroport_UAV-02_3 └─ DCIM └─ GPS └─ METADATA └─ tb └─ PROCESSED_DATA Informations de survol: Différentes hauteurs de vols, angles des transects et angles de caméra ont été utilisés dans le but d'obtenir des données de qualité en fonction des conditions météorologiques et marines. - Camera model and parameters: Make: Hasselblad Model: L1D-20c Width: 5472 Height: 3648 Focal: 28 WhiteBalance: Manual ExposureMode: Auto Exposure ColoSpace: sRGB EV: -0.7 MeteringMode: CenterWeightedAverage Camera Pitch: -75.00 - Survey informations: No Images: 327 Median height: 70 meters Survey area: 7.71 hectares Survey from: 2022:09:14 11:35:17 to: 2022:09:14 11:49:42 "

opencc-by-4.0Oct 2023View details →

zenodo44/100

Orthophoto & DEM (MNE) issues d'images drone, UAV, Musicalplage, Mayotte - 20220910

"Ce jeu de données présente les résultats des traitements photogrammétriques d'images de drone DJI Mavic 2 Pro UAV acquises sur le site de Musicalplage, Mayotte à la date suivante : 20220910. Dans le cadre de la collaboration entre le Projet G2OI et Mayotte FMR (Future Maore Reef), l'objectif de la mission vise à étudier l'implantation de récifs artificiels dans le lagon de Mayotte sur plusieurs sites. En espace aérien contrôlé, les vols ont été exécutés en regard de la réglmentation et en contact avec la tour de contrôle de l'aéroport de Mayotte. Le paramétrage du logiciel OpenDroneMap est partagé pour permettre la reproductibilité ou l'amélioration des traitements proposés: [ { 'name': 'orthophoto-resolution', 'value': 1 }, { 'name': 'auto-boundary', 'value': true }, { 'name': 'dem-resolution', 'value': '2.0' }, { 'name': 'dsm', 'value': true } ] Le dépôt est composé des éléments suivants: - 00_: Planche d'aperçu des images - DCIM.zip: Images brutes issues du drone - GPS.zip: Geopackage contenant l'emprise du survol ainsi que la géolocalisation des images accompagnées de leurs miniatures dans la table d'attribut en base64 - METADATA.zip: Métadonnées au format ISO19115, Rapports avec miniatures des images de drone (dossier tb) et statistiques de vols. - PROCESSED_DATA.zip: Orthophoto, DEM, nuages de points, ... Arborescence d'origine: └─ 20220910_MYT-musicalplage_UAV-02_1 └─ DCIM └─ GPS └─ METADATA └─ tb └─ PROCESSED_DATA Informations de survol: Différentes hauteurs de vols, angles des transects et angles de caméra ont été utilisés dans le but d'obtenir des données de qualité en fonction des conditions météorologiques et marines. - Camera model and parameters: Make: Hasselblad Model: L1D-20c Width: 5472 Height: 3648 Focal: 28 WhiteBalance: Manual ExposureMode: Auto Exposure ColoSpace: sRGB EV: -0.3 MeteringMode: Average Camera Pitch: -70.30 - Survey informations: No Images: 114 Median height: 120 meters Survey area: 13.92 hectares Survey from: 2022:09:10 11:00:06 to: 2022:09:10 11:07:35 "

opencc-by-4.0Oct 2023View details →

zenodo44/100

Orthophoto & DEM (MNE) issues d'images drone, UAV, Surprise, Mayotte - 20220912

"Ce jeu de données présente les résultats des traitements photogrammétriques d'images de drone DJI Mavic 2 Pro UAV acquises sur le site de Surprise, Mayotte à la date suivante : 20220912. Dans le cadre de la collaboration entre le Projet G2OI et Mayotte FMR (Future Maore Reef), l'objectif de la mission vise à étudier l'implantation de récifs artificiels dans le lagon de Mayotte sur plusieurs sites. En espace aérien contrôlé, les vols ont été exécutés en regard de la réglmentation et en contact avec la tour de contrôle de l'aéroport de Mayotte. Le paramétrage du logiciel OpenDroneMap est partagé pour permettre la reproductibilité ou l'amélioration des traitements proposés: [ { 'name': 'orthophoto-resolution', 'value': 1 }, { 'name': 'auto-boundary', 'value': true }, { 'name': 'dem-resolution', 'value': '2.0' }, { 'name': 'dsm', 'value': true } ] Le dépôt est composé des éléments suivants: - 00_: Planche d'aperçu des images - DCIM.zip: Images brutes issues du drone - GPS.zip: Geopackage contenant l'emprise du survol ainsi que la géolocalisation des images accompagnées de leurs miniatures dans la table d'attribut en base64 - METADATA.zip: Métadonnées au format ISO19115, Rapports avec miniatures des images de drone (dossier tb) et statistiques de vols. - PROCESSED_DATA.zip: Orthophoto, DEM, nuages de points, ... Arborescence d'origine: └─ 20220912_MYT-surprise_UAV-02_3 └─ DCIM └─ GPS └─ METADATA └─ tb └─ PROCESSED_DATA Informations de survol: Différentes hauteurs de vols, angles des transects et angles de caméra ont été utilisés dans le but d'obtenir des données de qualité en fonction des conditions météorologiques et marines. - Camera model and parameters: Make: Hasselblad Model: L1D-20c Width: 5472 Height: 3648 Focal: 28 WhiteBalance: Manual ExposureMode: Auto Exposure ColoSpace: sRGB EV: -0.7 MeteringMode: CenterWeightedAverage Camera Pitch: -75.00 - Survey informations: No Images: 385 Median height: 70 meters Survey area: 8.11 hectares Survey from: 2022:09:12 14:29:06 to: 2022:09:12 14:43:35 "

opencc-by-4.0Oct 2023View details →

zenodo44/100

Images drone UAV, Anakao prince anakao, Madagascar - 20230501 - 01_4

"Jeu de données composé d'images de drone DJI Mavic 2 Pro UAV acquises sur le site de Anakao prince anakao, Madagascar à la date suivante : 20230501. Les vols ont été réalisés en partenariat avec l'IH.SM dans le but de créer des modèles numériques d'élévations pour cartographier l'écosystème marin. Le dépôt est composé des éléments suivants: - 00_: Planche d'aperçu des images - DCIM.zip: Images brutes issues du drone - GPS.zip: Geopackage contenant l'emprise du survol ainsi que la géolocalisation des images accompagnées de leurs miniatures dans la table d'attribut en base64 - METADATA.zip: Métadonnées au format ISO19115, Rapports avec miniatures des images de drone (dossier tb) et statistiques de vols. Arborescence d'origine: │ └─ 20230501_MDG-Anakao-Prince-Anakao_UAV-01_4 │-------- └─ .ipynb_checkpoints │-------- └─ DCIM │---------------- └─ 103MEDIA │-------- └─ GPS │-------- └─ LABEL │-------- └─ METADATA Informations de survol: - Camera model and parameters: Make: Hasselblad Model: L1D-20c Width: 5472 Height: 3648 Focal: 28 WhiteBalance: Auto ExposureMode: Auto Exposure ColoSpace: sRGB EV: -1.0 MeteringMode: CenterWeightedAverage Camera Pitch: -90.00 - Survey informations: No Images: 352 Median height: 100 meters Survey area: 16.89 hectares Survey from: 2023:05:01 08:29:43 to: 2023:05:01 08:43:12 Les dépôts suivants comprennent les données traitées avec OpenDroneMap"

opencc-by-4.0Nov 2023View details →

zenodo44/100

Images drone UAV, Nosy ve, Madagascar - 20230430 - 01_6

"Jeu de données composé d'images de drone DJI Mavic 2 Pro UAV acquises sur le site de Nosy ve, Madagascar à la date suivante : 20230430. Les vols ont été réalisés en partenariat avec l'IH.SM dans le but de créer des modèles numériques d'élévations pour cartographier l'écosystème marin. Le dépôt est composé des éléments suivants: - 00_: Planche d'aperçu des images - DCIM.zip: Images brutes issues du drone - GPS.zip: Geopackage contenant l'emprise du survol ainsi que la géolocalisation des images accompagnées de leurs miniatures dans la table d'attribut en base64 - METADATA.zip: Métadonnées au format ISO19115, Rapports avec miniatures des images de drone (dossier tb) et statistiques de vols. Arborescence d'origine: │ └─ 20230430_MDG-Nosy-Ve_UAV-01_6 │-------- └─ DCIM │---------------- └─ 102MEDIA │-------- └─ GPS │-------- └─ LABEL │-------- └─ METADATA Informations de survol: - Camera model and parameters: Make: Hasselblad Model: L1D-20c Width: 5472 Height: 3648 Focal: 28 WhiteBalance: Auto ExposureMode: Auto Exposure ColoSpace: sRGB EV: -1.0 MeteringMode: CenterWeightedAverage Camera Pitch: -90.00 - Survey informations: No Images: 42 Median height: 100 meters Survey area: 1.06 hectares Survey from: 2023:04:30 14:06:14 to: 2023:04:30 14:11:01 Les dépôts suivants comprennent les données traitées avec OpenDroneMap"

opencc-by-4.0Nov 2023View details →

zenodo44/100

Images of rapeseeds from drone

Drone images for detecting pests<ul><li>max zoom with dji mavic 2 zoom</li><li>flying altitude 1.2-1.5 meters</li><li>manual focus to "flowers"</li><li>white balance according to cloud cover, mostly -0.3 </li></ul>

opencc-by-4.0Nov 2023View details →

zenodo44/100

Sheep videos taken from drone at low altitude

The data below are part of the European H2020 project ICAERUS regarding the livestock monitoring use case. More information here : https://icaerus.eu/ Counting sheep is particularly challenging for farmers with thousand of animals in a flock. Our objective is to develop methodology based on computer vision to counting sheep when they are passing in a corridor to coming back in a park or a pen. This first dataset will support our work.  The dataset encompasses 16 .MP4 videos from drone (DJI mavic 3 Enterprise or Thermal) of around 50 sheep crossing a gate.  The videos were taken from 5m to 10m of height and to an horizontal distance of the gate from 0m to 10m.  More videos will be published in the next months. For more information, please contact: adrien.lebreton@idele.fr  The authors are opened to any collaborations on this topic.

opencc-by-4.0Dec 2023View details →

zenodo44/100

Manually Annotated Drone Imagery (RGB) Dataset for automatic coastline delineation of Southern Baltic Sea, Poland with polyline annotations (0.1.1)

Overview: The  Manually Annotated Drone Imagery Dataset (MADRID) consists of hand annotated high resolution RGB images taken in two different types of coasts in Poland, Miedzyzdroje - cliff coast and in Mrzezyno - dune coast in 2022-2023. All images were converted into a uniform format of 1440x2560 pixels, polyline annotated and set into file structure format suited for semantic segmentation tasks (See "Usage" notes below for more details). The raw images of our dataset were captured Zenmuse L1 Sensor (RGB) mounted on a DJI Matrice 300 RTK Drone. Total of 4895 images were captured, however the dataset contains 3876 images with each image annotated with coastline. The dataset only include images with coastlines that are visually identifiable with the human eye. For the annotations of the images, CVAT v2.13 open-source software was utilized. Usage: The compressed RAR file contains two folders train and test. Each folder contains the file that represents the date at which the image was captured in the format of (year, month, day), number of the image and the name of the drone utilized to capture the image. For example, DJI_20220111140051_0051_Zenmuse-L1-mission and DJI_20220111140105_0053_Zenmuse-L1-mission. Additionally, the test folder contains annotations (one per image) which are extracted from the original XML annotation file provided in the CVAT 1.1 image format. Archives were compressed using RAR compression. They can be decompressed in a terminal by opening and extracting Madrid_v0.1_Data.zip. The subset of the data with the name Madrid_subset_data.zip has been added which contains a small portion of train and test images for purpose of inspecting the dataset without downloading the entire dataset. The training images for both training data and testing data are structured as follows. <pre><code>Train/ └── images/ └── DJI_20220111140051_0051_Zenmuse-L1-mission.JPG └── DJI_20220111140105_0053_Zenmuse-L1-mission.JPG └── ... └── masks/ └── DJI_20220111140051_0051_Zenmuse-L1-mission.PNG └── DJI_20220111140105_0053_Zenmuse-L1-mission.PNG └── ... Test/ └── images/ └── DJI_20220111140051_0051_Zenmuse-L1-mission.JPG └── DJI_20220111140105_0053_Zenmuse-L1-mission.JPG └── ... └── masks/ └── DJI_20220111140051_0051_Zenmuse-L1-mission.PNG └── DJI_20220111140105_0053_Zenmuse-L1-mission.PNG └── ...</code></pre>

opencc-by-4.0May 2024View details →

zenodo44/100

Synthetic Multimodal Drone Delivery Dataset

<h1>README: Synthetic Logistics Dataset Structure and Components</h1> This dataset provides a structured representation of logistics data designed to evaluate and optimize hybrid truck-and-drone delivery networks. It captures a comprehensive set of parameters essential for modeling real-world logistics scenarios, including spatial coordinates, environmental conditions, and operational constraints. The data is meticulously organized into distinct keys, each representing a critical aspect of the delivery network, enabling researchers and practitioners to conduct flexible and in-depth analyses.   The dataset is a curated subset derived from the research presented in the paper "Synthetic Dataset Generation for Optimizing Multimodal Drone Delivery Systems" by Altinsel et al. (2024), published in Drones. It serves as a practical resource for studying the interplay between ground-based and aerial delivery systems, with a focus on efficiency, environmental impact, and operational feasibility.   Altinses, D., Torres, D. O. S., Gobachew, A. M., Lier, S., & Schwung, A. (2024). Synthetic Dataset Generation for Optimizing Multimodal Drone Delivery Systems. Drones (2504-446X), 8(12). Each data file contains information on ten customer locations, specified by their x and y coordinates, which facilitate the modeling of delivery routes and service areas. Additionally, the dataset includes communication data represented as a two-dimensional grid, which can be used to assess signal strength, connectivity, or other network-related factors that influence drone operations.   A key feature of this dataset is the inclusion of wind data, structured as a two-dimensional grid with four distinct features per grid point. These features likely represent wind velocity components (such as horizontal and vertical directions) along with auxiliary parameters like turbulence intensity or wind shear, which are crucial for drone path planning and energy consumption estimation. The wind data enables researchers to simulate realistic environmental conditions and evaluate their impact on drone performance, stability, and battery life.   By integrating geospatial, environmental, and operational data, this dataset supports a wide range of applications, from route optimization and energy efficiency studies to risk assessment and resilience planning in multimodal delivery systems. Its synthetic nature ensures reproducibility while maintaining relevance to real-world logistics challenges, making it a valuable tool for advancing research in drone-assisted delivery networks.     <h3>The 4 wind channels represent:</h3> <ol> <li> <code>X</code> and <code>Y</code> (Grid Positions) <ul> <li> These define where the arrows start (usually a meshgrid). </li> </ul> </li> <li> <code>U</code> and <code>V</code> (Arrow Directions) <ul> <li> <code>U</code> = Horizontal component (e.g., gradient in <code>x</code>). </li> <li> <code>V</code> = Vertical component (e.g., gradient in <code>y</code>). </li> </ul> </li> </ol>   <h3>How to load the files using Python:</h3> data = np.loadtxt('data.txt') #### Just for Wind data: data = data.reshape((4,16,16))

opencc-by-4.0Nov 2024View details →

zenodo44/100

Distributed Predictive Drone Swarms in Cluttered Environments

This folder contains data, videos, and supplementary material for the article titled "Distributed Predictive Drone Swarms in Cluttered Environments". In the article, we present a Distributed Model Predictive Control (DMPC) algorithm for drone swarm navigation in two types of cluttered environments, i.e., a forest and a funnel-like environment.    The material in `zenodo_upload` is organized as follows. 1. a data folder, with the logs of simulation and hardware experiments; 2. an analysis folder, with Matlab scripts that analyze the logs in the data folder; 3. a plotting folder, with Matlab functions used by the analysis scripts; 4. an mp4 video file, on simulation and hardware experiments; 5. a pdf, with supplementary materials. The `qp_swarm` folder contains MATLAB code for simulation experiments.

opencc-by-4.0Aug 2021View details →

zenodo44/100

Radar measurements on drones, birds and humans with a 77GHz FMCW sensor.

This data set contains radar measurements on birds, humans and six different drones with a total of 75868 samples. The sensor was a  frequency modulated continuous wave (FMCW) radar operating at 77 GHz with a mechanically scanning antenna. The 'ReadMe.txt' file contains a detailed description of the data. The data set is used in [1] where only FM-sweeps corresponding to azimuth index 54 to 203 are used (out of the provided 256), or 150 sweeps.  When using this data set please refer to: [1] A. Karlsson, M. Jansson and M. Hämäläinen, "Model-Aided Drone Classification Using Convolutional Neural Networks," 2022 IEEE Radar Conference (RadarConf22), 2022, pp. 1-6, doi: 10.1109/RadarConf2248738.2022.9764194. The data in version 1.0 and 2.0 is identical apart from the format, ".mat" in 1.0 and ".npy" in 2.0

opencc-by-4.0Sep 2021View details →

zenodo44/100

MOBDrone: a large-scale drone-view dataset for man overboard detection

Dataset The Man OverBoard Drone (MOBDrone) dataset is a large-scale collection of aerial footage images. It contains 126,170 frames extracted from 66 video clips gathered from one UAV flying at an altitude of 10 to 60 meters above the mean sea level. Images are manually annotated with more than 180K bounding boxes localizing objects belonging to 5 categories --- person, boat, lifebuoy, surfboard, wood. More than 113K of these bounding boxes belong to the person category and localize people in the water simulating the need to be rescued. In this repository, we provide: <ul> <li> 66 Full HD video clips (total size: 5.5 GB)  </li> <li> 126,170 images extracted from the videos at a rate of 30 FPS (total size: 243 GB) </li> <li> 3 annotation files for the extracted images that follow the MS COCO data format (for more info see <a href="https://cocodataset.org/#format-data">https://cocodataset.org/#format-data</a>): <ul> <li> annotations_5_custom_classes.json: this file contains annotations concerning all five categories; please note that class ids do not correspond with the ones provided by the MS COCO standard since we account for two new classes not previously considered in the MS COCO dataset --- lifebuoy and wood </li> <li> annotations_3_coco_classes.json: this file contains annotations concerning the three classes also accounted by the MS COCO dataset --- person, boat, surfboard. Class ids correspond with the ones provided by the MS COCO standard. </li> <li> annotations_person_coco_classes.json: this file contains annotations concerning only the 'person' class. Class id corresponds to the one provided by the MS COCO standard. </li> </ul> </li> </ul> The MOBDrone dataset is intended as a test data benchmark. However, for researchers interested in using our data also for training purposes, we provide training and test splits: <ul> <li>Test set: All the images whose filename starts with "DJI_0804" (total: 37,604 images)</li> <li>Training set: All the images whose filename starts with "DJI_0915" (total: 88,568 images)</li> </ul> More details about data generation and the evaluation protocol can be found at our MOBDrone paper: <a href="https://arxiv.org/abs/2203.07973">https://arxiv.org/abs/2203.07973</a> The code to reproduce our results is available at this GitHub Repository: <a href="https://github.com/ciampluca/MOBDrone_eval">https://github.com/ciampluca/MOBDrone_eval</a> See also  <a href="http://aimh.isti.cnr.it/dataset/MOBDrone">http://aimh.isti.cnr.it/dataset/MOBDrone</a> Citing the MOBDrone The MOBDrone is released under a Creative Commons Attribution license, so please cite the MOBDrone if it is used in your work in any form. Published academic papers should use the academic paper citation for our MOBDrone paper, where we evaluated several pre-trained state-of-the-art object detectors focusing on the detection of the overboard people <blockquote> <pre>@inproceedings{MOBDrone2021, title={MOBDrone: a Drone Video Dataset for Man OverBoard Rescue}, author={Donato Cafarelli and Luca Ciampi and Lucia Vadicamo and Claudio Gennaro and Andrea Berton and Marco Paterni and Chiara Benvenuti and Mirko Passera and Fabrizio Falchi}, booktitle={ICIAP2021: 21th International Conference on Image Analysis and Processing}, year={2021} } </pre> </blockquote> and this Zenodo Dataset <blockquote> <pre>@dataset{donato_cafarelli_2022_5996890, author={Donato Cafarelli and Luca Ciampi and Lucia Vadicamo and Claudio Gennaro and Andrea Berton and Marco Paterni and Chiara Benvenuti and Mirko Passera and Fabrizio Falchi}, title = {{MOBDrone: a large-scale drone-view dataset for man overboard detection}}, month = feb, year = 2022, publisher = {Zenodo}, version = {1.0.0}, doi = {10.5281/zenodo.5996890}, url = {https://doi.org/10.5281/zenodo.5996890} }</pre> </blockquote> Personal works, such as machine learning projects/blog posts, should provide a URL to the MOBDrone Zenodo page (<a href="https://doi.org/10.5281/zenodo.5996890">https://doi.org/10.5281/zenodo.5996890</a>), though a reference to our MOBDrone paper would also be appreciated.   Contact Information If you would like further information about the MOBDrone or if you experience any issues downloading files, please contact us at <a href="mailto:mobdrone@isti.cnr.it">mobdrone[at]isti.cnr.it</a>   Acknowledgements This work was partially supported by NAUSICAA - "NAUtical Safety by means of Integrated Computer-Assistance Appliances 4.0" project funded by the Tuscany region (CUP D44E20003410009). The data collection was carried out with the collaboration of the Fly&Sense Service of the CNR of Pisa - for the flight operations of remotely piloted aerial systems - and of the Institute of Clinical Physiology (IFC) of the CNR - for the water immersion operations.

opencc-by-4.0Dec 2021View details →

ScienceDex guides

Understand access before you commit

These curated guides explain access requirements, typical timelines, costs, and reuse considerations for widely used research datasets.

Compare curated datasets

Allen Brain Atlas

Allen Brain Atlas is an Allen Institute collection of brain map atlases, datasets, APIs, and analysis tools covering mouse, human, and non-human primate brain resources.

allen-brain-atlas

neuroscienceopenDocumentation, web resources, and API references are available online.

Last verified 2026-04-30Open record

Annotated Behaviour and Observability Dataset (ABODe)

ABODe is a University of Edinburgh DataShare dataset for behavior classification in group-housed mice using home-cage video, identities, bounding boxes, ground-plate positions, and annotator labels.

abode-home-cage

behavioral-neuroscienceopenThe DataShare record exposes download links for annotations, documentation, license text, and the zipped per-snippet data directory.

Last verified 2026-04-30Open record

DANDI Archive for NWB datasets

DANDI is a BRAIN Initiative archive for publishing and sharing neurophysiology data, including electrophysiology, optophysiology, and behavioral data packaged as NWB and related standards.

dandi-nwb

electrophysiologyopenPublished Dandiset metadata and archive endpoints are available through the production DANDI API.

Last verified 2026-04-30Open record

International Brain Laboratory public data

The International Brain Laboratory public data releases expose standardized mouse decision-making experiments, including Neuropixels recordings, widefield calcium imaging, behavior, and session metadata accessed through the ONE API.

ibl

behavioral-neuroscienceopenPublic sessions can be searched and loaded from the IBL public data server through ONE.

Last verified 2026-04-29Open record

OpenNeuro

OpenNeuro is a free, open platform for sharing neuroimaging datasets, with public search, dataset pages, and download paths for web, S3, DataLad, and the OpenNeuro CLI.

openneuro

neuroscienceopenPublished datasets are available on demand over the internet.

Last verified 2026-04-29Open record