密苏里大学的学生在亚利桑那州的尤马试验场（世界上最大的军事设施之一）工作了一个月，使用定制的无人机收集可见光和红外视频数据。他们的项目为美国陆军工程研发中心支持的这个为期两年的项目奠定了基础。来源：美国国防部
这是密苏里大学研究人员领导的一个为期两年的项目的目标，该项目得到了美国陆军工程研发中心（ERDC）330 万美元的资助，ERDC 是美国陆军工程兵部队的主要研发中心。
电子工程和计算机科学馆长特聘教授、该项目的首席研究员 Kannappan Palaniappan 说，在 GPS 导航信号中断或丢失的情况下，例如在发生自然灾害或军事情况下，自主运行的能力变得至关重要。
Palaniappan说："这种情况通常发生在自然灾害、建筑环境和地形闭塞或人为干预之后。如今运行的大多数无人机都需要 GPS 导航才能飞行，因此一旦失去信号，它们就无法找到方向，通常会降落在任何地方。与地面 GPS 导航应用不同的是，地面 GPS 导航应用可以在你错过转弯时为你重新规划路线，而空中无人机目前还没有在这种情况下重新规划路线的选项。"
密苏里大学的学生在亚利桑那州的尤马试验场（世界上最大的军事设施之一）工作了一个月，使用定制的无人机收集可见光和红外视频数据。他们的项目为美国陆军工程研发中心支持的这个为期两年的项目奠定了基础。来源：美国国防部
目前，必须有人手动驾驶无人机，并具备高度的态势感知能力，才能让无人机避开周围的障碍物，如建筑物、树木、山脉、桥梁、标志或其他突出结构，同时保持在无人机驾驶员的视线范围内。现在，通过视觉传感器和算法的结合，Palaniappan 和团队正在开发一款软件，让无人机能够自主飞行--独立感知环境并与之互动，同时实现特定的目标或目的。
坎纳潘-帕拉尼亚潘。资料来源：密苏里大学哥伦比亚分校
Palaniappan说："我们希望将无人机飞行员所拥有的一系列技能、属性、背景场景知识、任务规划和其他能力，连同天气条件一起纳入无人机的软件中，这样它就能独立做出所有这些决定。"
"作为人类，我们从孩提时代起就一直在利用视觉系统整合三维模型和周围环境运动模式的动态知识。现在，我们正试图解码人类视觉系统的显著特征，并将这些功能构建到基于视觉的自主空中和地面导航算法中。"
近年来，光探测与测距（或称激光雷达）和热成像等视觉传感器技术的进步使无人机能够执行有限的高级任务，如物体探测和视觉识别。当无人机与团队的算法（由人工智能的一个子集--深度学习和机器学习提供动力）相结合时，无人机就能协助开发用于测绘和监控应用的 3D 或 4D 高级图像。
开发先进的成像能力需要计算机相关资源，如处理能力、内存或时间。这种能力超出了目前无人机通常搭载的软件系统所能提供的范围。因此，马萨诸塞大学领导的团队正在研究如何利用云计算、高性能计算和边缘计算方法的优势来寻找潜在的解决方案。
"在强风暴或自然灾害发生后，建筑物、水道和其他形式的基础设施都会受到破坏。该地区的三维重建可以帮助急救人员和政府官员了解受损程度。通过让无人机收集原始数据并将信息传输到云端，云端支持高性能计算的软件可以完成分析并开发三维数字孪生模型，而无需在无人机上实际安装和访问额外的软件。"
马萨诸塞大学的研究团队包括普拉萨德-卡里亚姆（Prasad Calyam）、菲利兹-布尼亚克（Filiz Bunyak）和约书亚-弗雷泽（Joshua Fraser）。该团队还包括来自圣路易斯大学、加州大学伯克利分校和佛罗里达大学的研究人员。
