การรับรู้หลายแบบและการรวมข้อมูล: เครื่องยนต์หลักของ UAV ที่ฉลาด
การรับรู้ได้กลายเป็นตัวขับเคลื่อนหลักของความรู้ของเครื่องบินไร้คนขับ โดยได้รับการสนับสนุนจากความก้าวหน้าในด้านการตรวจจับแบบหลายแบบ และการรวมข้อมูลทําให้วิสัยทัศน์ LiDAR เป็นความก้าวหน้าสําคัญ.
Baya et al. รวม CNNs กับข้อมูล LiDAR เพื่อปรับปรุงการตรวจจับอุปสรรคและการติดตามแบบไดนามิคได้อย่างมาก เพิ่มความปลอดภัยในการบินในกรณีที่มีความไดนามิคสูง (รูป 3 ((a)). Ullah et al.เพิ่มเติมการปรับปรุงวิสัยทัศน์ LiDAR, ขยายความสนใจจากการจดจําอุปสรรคแบบไดนามิกไปสู่การปรับตัวหลายสภาพแวดล้อม, ขยายการสนับสนุนภารกิจที่ซับซ้อนหลากหลาย
ถ้าการรับรู้ทําให้เครื่องบินไร้คนขับเห็นอย่างชัดเจน การรวมข้อมูลทําให้มันเห็นอย่างแม่นยําพัฒนากรอบการรวมเครือข่ายประสาทแบบ Multimodal ที่อัพเดทรุ่นสิ่งแวดล้อมในเวลาจริง และปรับปรุงการวางแผนเส้นทางJiang et al. เพิ่มเติมงานนี้ด้วยอัลการิทึมฟิวชั่นภาพอินฟราเรดหลายขนาดสําหรับสภาพการมองเห็นที่ต่ําความก้าวหน้าเหล่านี้ เสริมการรับรู้ในเวลาจริง, การจําลองสิ่งแวดล้อม และความน่าเชื่อถือในการปฏิบัติภารกิจสําหรับเครื่องบินไร้คนขับ
