Тип публикации: статья из журнала
Год издания: 2025
Идентификатор DOI: 10.25791/aviakosmos.10.2025.1511
Ключевые слова: unmanned aircraft systems, multimodal data, data processing, kalman filter, neural network quantization, computational optimization, беспилотные авиационные системы, мультимодальные данные, обработка данных, фильтр Калмана, квантизация нейронных сетей, оптимизация вычислений
Аннотация: В статье представлена комплексная методика повышения точности обработки мультимо-дальных данных в бортовых вычислительных системах беспилотных авиационных систем (БАС). Методика включает подавление шумов, геометрическую коррекцию изображений, применение алгоритмов машинного обучения, а также оптимизацию вычислений через квантизациюПоказать полностьюмоделей и аппаратное ускорение. Применение современных нейросетевых архитектур, таких как CNNи PointNet, обеспечило высокую точность классификации данных. Результаты экспериментов, проведённых в симулированной и реальной среде, показали повышение точности до 94 %, сокращение времени обработки и энергопотребления, что делает подходы перспективными для практического применения в задачах мониторинга и управления. This paper presents a comprehensive methodology for improving the accuracy of multimodal data processing in onboard computing systems of unmanned aerial systems (UAS). The methodology includes noise suppression, geometric image correction, the use of machine learning algorithms, and computational optimization through model quantization and hardware acceleration. The application of modern neural network architectures, such as CNN and PointNet, ensured high classification accuracy. Experimental results obtained in both simulated and real-world environments demonstrated an accuracy increase of up to 94 %, along with a reduction in processing time and energy consumption, making the proposed approaches promising for practical use in monitoring and control tasks.
Журнал: Авиакосмическое приборостроение
Выпуск журнала: № 10
Номера страниц: 11-20
ISSN журнала: 20730020
Место издания: Москва
Издатель: Общество с ограниченной ответственностью Издательство Научтехлитиздат