提及無人機(jī)，我們腦海中往往浮現(xiàn)出它們在廣闊天空中自由翱翔的畫面。然而，有一個特殊的領(lǐng)域正等待著無人機(jī)去探索，那就是深邃而神秘的隧道。在隧道中，衛(wèi)星信號被屏蔽，傳統(tǒng)的導(dǎo)航方式失去了作用，這就如同讓無人機(jī)在黑暗中迷失了方向。但科技的力量是強(qiáng)大的，隧道無人機(jī)的無衛(wèi)星信號自主導(dǎo)航技術(shù)，如同為無人機(jī)裝上了一雙能夠穿越黑暗的科技“翅膀”。
無人機(jī)拍攝公路隧道出山和汽車行駛。圖片來源：圖蟲創(chuàng)意
隧道，是人類為了跨越障礙而創(chuàng)造的地下通道，但對于無人機(jī)來說，卻是一個充滿挑戰(zhàn)的環(huán)境。首先，光線極度不足，黑暗籠罩著每一寸空間，使得依賴光線的視覺傳感器幾乎“失明”；其次，隧道內(nèi)部結(jié)構(gòu)復(fù)雜，狹窄的空間、彎曲的通道以及各種障礙物，如支架、線纜等，給無人機(jī)的飛行帶來了巨大阻礙；最關(guān)鍵的是衛(wèi)星信號的缺失，如同切斷了無人機(jī)與外界的“聯(lián)系”，讓其無法依靠常規(guī)的導(dǎo)航手段確定自身位置和方向。
然而，挑戰(zhàn)往往伴隨著機(jī)遇。隧道環(huán)境的特殊性也促使了無衛(wèi)星信號自主導(dǎo)航技術(shù)的發(fā)展。這種技術(shù)的出現(xiàn)，不僅能夠讓無人機(jī)在隧道中安全、準(zhǔn)確地飛行，還為隧道的檢測、維護(hù)和應(yīng)急救援等工作帶來了全新的可能性。
種類多樣的隧道。圖片來源：參考文獻(xiàn)[2]無人機(jī)的“觸手”和“大腦”
在沒有衛(wèi)星信號的情況下，無人機(jī)需要依靠多種技術(shù)的協(xié)同工作來實(shí)現(xiàn)自主導(dǎo)航。一方面，通過無人機(jī)的無形“觸手”各種高精尖傳感器，延伸到隧道的邊邊角角；另一部分就是無人機(jī)的“大腦”先進(jìn)的路徑規(guī)劃系統(tǒng)，這一基于人工智能和深度學(xué)習(xí)得到的算法系統(tǒng)，通過“觸手”收集的各種數(shù)據(jù)感受環(huán)境，計算出最佳路徑，從而控制無人機(jī)完成自主導(dǎo)航。
無人機(jī)繞過障礙到達(dá)預(yù)期位置。圖片來源：參考文獻(xiàn)[1]
1
無人機(jī)的“觸手”
無人機(jī)的復(fù)雜結(jié)構(gòu)。圖片來源：參考文獻(xiàn)[2]
近年來，各種“高精尖”傳感器不斷發(fā)展，諸如慣性導(dǎo)航系統(tǒng)、地磁導(dǎo)航系統(tǒng)、激光雷達(dá)導(dǎo)航技術(shù)、視覺里程計等，使無人機(jī)就像長出了無數(shù)只“觸手”，而且這些“觸手”可以看、聽、記憶、感覺，它們將隧道的每個角落都摸索得清清楚楚。
慣性導(dǎo)航系統(tǒng)是很重要的“觸手”，它就像無人機(jī)的“記憶大師”，通過測量加速度和角速度，能夠推算出無人機(jī)的位置、速度和姿態(tài)變化。但慣性導(dǎo)航存在一個致命的弱點(diǎn)，那就是誤差會隨著時間累積，因此需要不斷地進(jìn)行校準(zhǔn)和修正。
地磁導(dǎo)航則像是無人機(jī)的“指南針”。地球磁場在不同位置具有獨(dú)有特征，通過測量磁場的強(qiáng)度和方向，無人機(jī)可以與預(yù)先建立的地磁數(shù)據(jù)庫進(jìn)行對比，從而獲取自身的位置信息。但地磁環(huán)境容易受到周圍金屬物體的干擾，所以其精度和可靠性也存在一定的局限性。
激光雷達(dá)導(dǎo)航技術(shù)就像是無人機(jī)的“眼睛”。它能夠向周圍發(fā)射激光束，并通過測量激光束的反射時間構(gòu)建出周圍環(huán)境的三維模型。憑借這一模型，無人機(jī)可以精準(zhǔn)地避開障礙物，規(guī)劃出安全的飛行路徑。但激光雷達(dá)的作用范圍和分辨率也會受到環(huán)境因素的影響。
視覺里程計則如同無人機(jī)的“視覺記憶”。通過分析連續(xù)拍攝的圖像中的特征點(diǎn)變化，無人機(jī)能夠計算出自身的運(yùn)動信息，輔助進(jìn)行位置和姿態(tài)的估計。然而，在光線不佳的隧道中，視覺里程計的性能會大打折扣。
為了克服單一導(dǎo)航技術(shù)的不足，多傳感器融合技術(shù)應(yīng)運(yùn)而生。它將慣性導(dǎo)航、地磁導(dǎo)航、激光雷達(dá)、視覺里程計等多種傳感器的數(shù)據(jù)進(jìn)行整合和分析，充分發(fā)揮各傳感器優(yōu)勢，將無形“觸手”向更遠(yuǎn)處延伸，從而實(shí)現(xiàn)更精確、更可靠的導(dǎo)航。
2
無人機(jī)的“大腦”
隨著智能路徑規(guī)劃與決策算法的飛速發(fā)展，無人機(jī)漸漸長出了“大腦”，可以在復(fù)雜環(huán)境中進(jìn)行自主導(dǎo)航。以最近的研究為例，科學(xué)家們開發(fā)了基于人工智能和深度學(xué)習(xí)的先進(jìn)路徑規(guī)劃系統(tǒng)，讓無人機(jī)能夠應(yīng)對如隧道、森林等復(fù)雜環(huán)境中的導(dǎo)航挑戰(zhàn)，能像人類一樣思考，根據(jù)過往經(jīng)驗規(guī)劃合適路徑。在這一過程中，神經(jīng)網(wǎng)絡(luò)，特別是時間序列卷積神經(jīng)網(wǎng)絡(luò)（TSCNN），扮演著至關(guān)重要的角色。
時間序列卷積神經(jīng)網(wǎng)絡(luò)（TSCNN）的復(fù)雜結(jié)構(gòu)。圖片來源：參考文獻(xiàn)[1]在最近的研究中，神經(jīng)網(wǎng)絡(luò)通過對傳感器輸入的信息進(jìn)行“理解”，模擬了無人機(jī)在現(xiàn)實(shí)中面對的各種復(fù)雜情況。這種理解不僅局限于對簡單障礙物的識別，而是能夠?qū)φ麄�飛行環(huán)境做出全局分析。例如，TSCNN可以根據(jù)傳感器數(shù)據(jù)，預(yù)測無人機(jī)在不同軌跡上的運(yùn)動特性，并結(jié)合無人機(jī)的當(dāng)前狀態(tài)（如飛行速度、位置、航向等），為無人機(jī)計算出最佳的下一步動作指令。
算法訓(xùn)練步驟。圖片來源：參考文獻(xiàn)[1]
這一過程類似于人類駕駛員在駕駛狀態(tài)的思考模式。人類會根據(jù)當(dāng)前的車速、交通狀況和目的地進(jìn)行導(dǎo)航?jīng)Q策，神經(jīng)網(wǎng)絡(luò)則以無人機(jī)的狀態(tài)輸入，預(yù)測出最佳的飛行軌跡。這些預(yù)測不僅基于當(dāng)前狀態(tài)，還通過時間序列模型考慮了歷史飛行數(shù)據(jù)，從而提升了決策的準(zhǔn)確性和穩(wěn)定性。一旦神經(jīng)網(wǎng)絡(luò)給出指令，無人機(jī)將根據(jù)這些預(yù)測調(diào)整飛行軌跡，從而做到在復(fù)雜環(huán)境中靈活應(yīng)對突發(fā)情況。例如，面對突如其來的障礙物，神經(jīng)網(wǎng)絡(luò)能夠快速做出反應(yīng)，通過調(diào)整飛行路徑避開障礙。與傳統(tǒng)路徑規(guī)劃方法相比，這種基于人工智能的系統(tǒng)能更加準(zhǔn)確地預(yù)測無人機(jī)的動態(tài)特性，使無人機(jī)的飛行軌跡更加平滑、安全。
從“指令”到“行動”圖示。圖片來源：參考文獻(xiàn)[1]
應(yīng)用領(lǐng)域的拓展
隧道無人機(jī)的無衛(wèi)星信號自主導(dǎo)航技術(shù)在眾多領(lǐng)域展現(xiàn)出了廣闊的應(yīng)用前景。在隧道檢測與維護(hù)方面，傳統(tǒng)的人工檢測方法不僅效率低下，而且存在安全風(fēng)險。
無人機(jī)可以攜帶各種檢測設(shè)備，如高清攝像頭、紅外傳感器等，能夠快速、全面地檢測隧道的結(jié)構(gòu)完整性、表面缺陷、設(shè)備運(yùn)行狀況等。例如，在對隧道內(nèi)壁的裂縫檢測中，無人機(jī)能夠精確定位裂縫的位置和大小，并將相關(guān)數(shù)據(jù)實(shí)時傳輸給工作人員。
在應(yīng)急救援領(lǐng)域，當(dāng)隧道發(fā)生事故時，無人機(jī)能夠迅速進(jìn)入現(xiàn)場，獲取現(xiàn)場的圖像和環(huán)境信息，為救援人員提供寶貴的第一手資料。它可以幫助確定被困人員位置，評估事故嚴(yán)重程度，為制定救援方案提供重要依據(jù)。
此外，在隧道建設(shè)過程中，無人機(jī)可以對施工進(jìn)度和質(zhì)量進(jìn)行監(jiān)控，及時發(fā)現(xiàn)問題并進(jìn)行調(diào)整。
“照亮”隧道
隨著傳感器技術(shù)的不斷進(jìn)步，無人機(jī)將感知到更細(xì)微的環(huán)境變化，提供更精確的導(dǎo)航數(shù)據(jù)。人工智能和機(jī)器學(xué)習(xí)的融入，將使導(dǎo)航系統(tǒng)更加智能和自適應(yīng)，能夠更好應(yīng)對復(fù)雜多變的隧道環(huán)境。同時，與5G通信技術(shù)的結(jié)合，將實(shí)現(xiàn)無人機(jī)與地面控制中心之間高速、低延遲的數(shù)據(jù)傳輸，進(jìn)一步提高導(dǎo)航的精度和可靠性。
盡管前方挑戰(zhàn)重重，相信在科技工作者的不懈努力之下，這一技術(shù)將不斷完善和發(fā)展，成為保障隧道安全、高效運(yùn)行的有力武器，讓我們期待它照亮隧道，為我們的生活帶來更多便利和安全。
[1]Liu Y, Wang H, Fan J, et al. Control-oriented UAV highly feasible trajectory planning: A deep learning method[J]. Aerospace Science and Technology, 2021, 110: 106435.
[2]Taha Elmokadem*1;Andrey V. Savkin1.A method for autonomous collision-free navigation of a quadrotor UAV in unknown tunnel-like environments[J].Robotica,2022,Vol.40(4): 835-861
策劃制作
作者丨舟舟 大連理工大學(xué)
審校丨徐來 林林
一起漲知識！
