Perception multimodale et fusion de données : le moteur central des drones intelligents
La perception est devenue le moteur central de l'intelligence des drones, soutenue par des avancées dans la détection multimodale et la fusion de données. Les systèmes à capteur unique sont insuffisants dans les environnements dynamiques complexes, faisant de la fusion vision-LiDAR une avancée clé.
Baya et al. ont combiné des CNN avec des données LiDAR pour améliorer considérablement la détection et le suivi d'obstacles dynamiques, augmentant la sécurité de vol dans des scénarios très dynamiques (Fig. 3(a)). Ullah et al. ont affiné davantage la stratégie de fusion vision-LiDAR, étendant son objectif de la reconnaissance d'obstacles dynamiques à l'adaptation multi-environnements, élargissant ainsi le support pour diverses missions complexes.
Si la perception permet aux drones de « voir clairement », la fusion de données garantit qu'ils « voient précisément ». Xu et al. ont développé un cadre de fusion de réseaux neuronaux multimodaux qui met à jour les modèles environnementaux en temps réel et optimise la planification de trajectoire, avec une forte adaptabilité sur terrain accidenté. Jiang et al. ont complété ce travail avec un algorithme de fusion infrarouge-vision multi-échelle pour les conditions de faible visibilité. Ensemble, ces avancées renforcent la perception en temps réel, la modélisation environnementale et la fiabilité des missions pour les drones autonomes.
