“在GPS导航旗子暗记中断或丢失的情形下，例如在自然磨难或军事情况下，无人机自主操作的能力变得至关主要。
”电气工程和打算机科学教授，该项目的首席研究员坎纳潘·帕拉尼亚潘（Kannappan Palaniappan）说。

“这常日发生在自然磨难、建筑环境和地形的遮挡或人为干预之后，”帕拉尼亚潘说，“本日运行的大多数无人机都须要GPS导航才能翱翔，以是当它们失落去旗子暗记时，它们无法找到自己的路，常日只会降落。
与地面GPS导航运用程序不同，如果你错过了一个转弯，它可以重新方案你的路线，但机载无人机在这些情形下无法选择重新路线。
”

目前，必须有人手动驾驶无人机并具有高水平的态势感知能力，以保持其阔别周围环境中的障碍物，如建筑物、树木、山脉、桥梁、标志或其他突出构造，同时保持在无人机翱翔员的视线范围内。
现在，通过视觉传感器和算法的结合，帕拉尼亚潘和团队正在开拓软件，使无人机能够自行翱翔，独立感知环境并与之互动，同时实现特定的目标或目的。

“我们希望将无人机翱翔员拥有的技能、属性、背景场景知识、任务方案和其他能力结合起来，并将它们与景象条件一起整合到无人机的软件中，这样它就可以独立做出所有这些决定。
”帕拉尼亚潘说。

近年来，光探测和测距（激光雷达）、热成像等视觉传感器技能的进步使无人机能够实行有限的高等任务，例如物体检测和视觉识别。
当与该团队的算法相结合时，无人机可以帮忙开拓用于测绘和监控运用程序的3D或4D高等图像，这些算法由深度学习和机器学习供应支持。

“作为人类，我们从小就利用我们的视觉系统将3D模型和周围运动模式的动态知识结合起来，”帕拉尼亚潘说，“现在，我们正试图解码人类视觉系统的显著特色，并将这些功能构建到基于自主视觉的空中和地面导航算法中。
”

开拓高等影像功能须要与打算机干系的资源，例如处理能力、内存或韶光。
这种能力超出了目前通过无人机上常日可用的软件系统供应的能力。
因此，密苏里大学的团队正在研究如何利用云、高性能和边缘打算方法的上风来得到潜在的办理方案。

“在严重的风暴或自然磨难之后，建筑物，水道和其他的根本举动步伐将受到毁坏，”帕拉尼亚潘说，“该地区的3D重修可以帮助政府官员和急救职员理解已经发生了多大的毁坏。
通过无人机网络原始数据并将该信息传输到云端，支持高性能打算软件的云端可以完成剖析并开拓3D数字孪生模型，而无需在无人机上物理安装和访问额外的软件。
” （航柯）