无人机正在工业界中充当超级加速器的角色。我们看到，为了提高效率，改善人员安全并实现更好的商业。从物流和建筑到监视和应急响应，全球各个市场都在日常运营中加入了大量无人机队伍。然而，同时管理多架无人机是一项复杂的任务，尤其是在拥挤的城市环境中航行。
这催生了无人机舰队管理平台等新技术，主要旨在简化无人机的指挥和控制。另一方面，人工智能和机器学习的最新进展为基于人工智能数据处理铺平了道路。因此，一个可靠且具有未来性的无人机舰队管理平台不仅应关注多无人机操作的简化和流程优化，还应利用人工智能使无人机作为一个连接、智能和自主的舰队工作。
视频欣赏—人工智能无人机的应用场景（摘自：bilibili）
人工智能实现了快速数据处理
无人机操作员面临的传统瓶颈之一是获得即时信息的限制。无人机在它们的设计任务中的优势是收集和分析数据，但如何将这些数据传达给关键决策者是完全不同的事情。
在过去的十年中，人工智能和机器学习已经取得了巨大的成熟性，实现了非凡的成就。无人机舰队管理也是如此。借助人工智能，许多平台现在可以实时收集、处理、分析并传递准确且有意义的数据给人类操作员。
在大规模任务中，涉及更多人员和无人机的情况下，数据和知识传递的速度对任务的成功至关重要。
实时访问数据意味着预防性决策。
实时访问数据意味着先发制人的决策。例如，通过向海滩指挥中心提供远程可见性，无人机可以轻松识别溺水者，并提示采取进一步的行动。或者当一个社区遭受洪水袭击时，救援队可以利用实时无人机数据来确定最佳疏散路线。
实时发现存在的危险
为了充分发挥无人机的潜力，有必要为其配备智能的计算机视觉，特别是实时物体检测和识别能力。然而，这存在几个根本性的挑战。
比较明显的问题是，无人机的顶视角（top-down–view angle ）意味着捕捉到的物体像素大小较小，很难分类和归类。此外，无人机的有限计算能力使结果容易出现模型的假阳性和假阴性示例。
在安全检查、测绘和勘察到应急和救灾等领域，解决方案的需求变得更加迫切。好消息是，（Advanced Navigation）先进技术公司开发了“云地面控制”（CGC）在突破这些障碍。
CGC由Advanced Navigation开发并拥有，是一种基于云的指挥和控制解决方案，用于无人驾驶的空中、陆地和海上机器人和无人机。除了能够连接无限车辆之外，它还可以直接在云端运行AI算法，直接在无人机上实现物体检测、跟踪、分类和热成像。数据被实时处理并转发给最终用户。
CGC最近发布了一款名为CGConnect的新型蜂窝微调制解调器。该调制解调器通过4G/5G网络，通过即插即用的方式将任何无人机车辆连接到CGC的云平台，实现实时视频流传输和远程指挥和控制。该模块还支持边缘人工智能，增强了CGC在动态任务中实时、密集物体识别和分类方面的能力。
除了AI建模和边缘AI，CGC平台还运行开源库，供用户集成自己训练的AI模型。例如，他们可以开发针对海上搜索和救援任务检测鲨鱼的AI算法。
CGC及其新的调制解调器为企业提供了一个整体解决方案，这些企业希望将无人机和机器人车辆变成一个配备强大的人工智能功能的互联的自主车队。
摘自：EEtimes
文章转载自微信公众号：北京光博会订阅号