Informationsinhämtningen om scenariot inkluderar också detektion av förändringar jämfört med tillgängliga kartor eller 3D-modeller av omgivningen. För att upptäcka sådana förändringar behöver nyskapade SFR-data och befintliga 3D-modeller jämföras. Jämförelsen kräver ensning av delvis överensstämmande data och leder till ett annat grundläggande datorseendeproblem som kallas punktmolnsregistrering.
Slutligen behöver information om personer och objekt som rör sig i omgivningen inhämtas – de måste lokaliseras, deras rörelse måste estimeras och deras identiteter måste bestämmas. Dessa tre fundamentala datorseendeproblem hanteras med hjälp av metoder för visuell objektdetektering, objektföljning och objektigenkänning.
De nämnda problemen behandlas i en rad pågående forskningsprojekt, som Horisont 2020-projektet CENTAURO om katastrofinsatsrobotik (https://www.centauro-project.eu), WASP-projektet Integrating Perception, Learning and Verification in Interactive Autonomous Systems (http://wasp-sweden.org/research/projects/) och det nyligen beviljade SSF-projektet SymbiKBot.
Vid storskaliga nödsituationer orsakade av naturkatastrofer, terroristattacker eller större olyckor, så behöver insatsstyrkor och markkontroll omedelbar information och en visualisering av scenariot, vilket kräver datorseendemetoder för att analysera inhämtade bilder och videor.