该研究聚焦于开发专为无人机设计的基于动态火情和烟雾模型的最佳火灾逃生路线规划系统，首先通过无人机与卫星的信息融合准确定位火灾源位置并使用多通道遥感数据评估周边道路条件，接着实时利用无人机视觉技术提取和分段道路网络并根据道路状况给予优先级，然后根据火势强度、风速和方向计算火源新位置并以火源周围生成烟雾以形成可视化效果，最后基于改进的 A * 算法结合上述因素，无人机能够快速规划避开火源和蔓延区域的逃生路线，从而增强在火灾环境中无人机操作的安全性和效率。

Dec, 2023

利用人工智能 (Artificial Intelligence) 和无人机 (Unmanned Aerial Vehicles) 技术，系统地综述了野火管理领域的最新技术，并重点讨论了无人机在火前、火中和火后阶段对野火的监测、管理和预测的作用。

Jan, 2024

我们提出了一种预测性框架，使无人机团队能够在协同场地覆盖和火灾跟踪方面进行合作，并提供概率性能保证。

Jun, 2022

本文提出了一种基于无人机的森林火灾监测系统，利用自主无人机提供比当前卫星图像、有人飞机和远程控制无人机更快的监测服务。为了实现这个目标，我们提出了一个分布式领导者 - 跟随者联盟形成模型，它能够聚集一组无人机，共同覆盖指定的监测领域。通过模拟实验，验证了该系统在不需要互相通信的情况下，性能接近于中央优化系统。

Apr, 2019

通过使用人工神经网络和监督学习的数据集，本论文提出了一种在无人机拍摄的航拍图像中检测感兴趣对象（包括汽车、人类和火灾）的方法，并结合经典图像处理技术和预训练的神经网络实现了数据集的辅助标注和数据扩增。最后，评估了不同神经网络的性能。

Oct, 2023

本次工作中，我们提出了一个统一的搜索规划框架，通过考虑低级任务限制，任务目标和用户定义的任务规范来实现无人机在三维空间内搜索规划的自动化和执行，以帮助在紧急响应任务中定位幸存者和需要救援的人群。

Apr, 2023

提出了一种利用多个信息源提高自动卫星基热点检测系统准确性的野火识别解决方案，并使用 European Forest Fire Information System 数据库与 Moderate-resolution Imaging Spectroradiometer 和 Visible Infrared Imaging Radiometer Suite 的热异常进行交叉引用，构建了一个用于欧洲相关野火研究的大规模热点数据集。然后，提出了一种新颖的多模态监督机器学习方法，用于区分野火和其他事件的热点检测。实验结果表明我们的方法在野火识别任务中的有效性。

Jul, 2023

通过使用激光雷达测绘系统，结合声纳和烟雾浓度数据，本文提出了一种实时确定消防人员搜索路径和平民撤离路径的系统，通过对独立点云数据的合并和简化，以及根据温湿度数据为每个节点标注危险分数，建立了一个环境张量，并通过线性函数逼近基于自然政策梯度强化学习方法，证明其在鲁棒性和速度方面优于更复杂的竞争方法，最后，提出了两个系统（救助者和难民）用于处理环境张量，分别创建安全救援和逃生路线。

May, 2024

本篇论文研究了利用无人机进行应急响应和灾害管理的自动化航空场景分类，提出了一个用于紧急响应的航空图像数据库（AIDER），并进行了现有方法的比较分析。通过该分析，开发出了一个轻量级的卷积神经网络（CNN）架构，能够在嵌入式平台上高效运行，在需要的时候能够在灾难性事件中提供即时帮助。

Jun, 2019

使用多个数据源和方法，通过 Landsat-8 光学图像、Sentinel-1 合成孔径雷达（SAR）图像、PALSAR SAR 图像和地形特征，预测和映射火灾燃料类型和分布。

Mar, 2024