征服深邃隧道！隧道無人機無衛(wèi)星信號實現自主導航！

出品：科普中國

作者：舟舟（大連理工大學）

監(jiān)制：中國科普博覽

編者按：為展現智能科技動態(tài)，科普中國前沿科技項目推出“人工智能”系列文章，一窺人工智能前沿進展，回應種種關切與好奇。讓我們共同探究，迎接智能時代。

走進隧道的神秘世界

當我們提及無人機，腦海中往往浮現出它們在廣闊天空中自由翱翔的畫面。然而，有一個特殊的領域正等待著無人機去征服，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)的導航方式失去了作用，這就如同讓無人機在黑暗中迷失了方向。但科技的力量是無窮的，隧道無人機的無衛(wèi)星信號自主導航技術正如同為無人機裝上了一雙能夠穿越黑暗的科技翅膀。

無人機拍攝公路隧道出山和汽車行駛

（圖片來源：veer圖庫）

**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，隧道內部結構復雜，狹窄的空間、彎曲的通道以及各種障礙物，如支架、線纜等，給無人機的飛行帶來了巨大的阻礙。而最為關鍵的是，衛(wèi)星信號的缺失，如同切斷了無人機與外界的“聯系”，讓其無法依靠常規(guī)的導航手段確定自身位置和方向。

然而，挑戰(zhàn)往往伴隨著機遇。隧道環(huán)境的特殊性也促使了無衛(wèi)星信號自主導航技術的發(fā)展。這種技術的出現，不僅能夠讓無人機在隧道中安全、準確地飛行，還為隧道的檢測、維護和應急救援等工作帶來了全新的可能性。

隧道種類多樣

（圖片來源：參考文獻2）

高科技為無人機安上“觸手”和“大腦”

在沒有衛(wèi)星信號的情況下，無人機需要依靠多種技術的協(xié)同工作來實現自主導航。一方面通過無人機的無形“觸手”——各種高精尖傳感器將延伸到隧道的邊邊角角，另一部分為無人機的“大腦”——先進路徑規(guī)劃系統(tǒng)，這一基于人工智能和深度學習得到的算法系統(tǒng)，根據“觸手”得到的各種數據感受到環(huán)境，從而計算出最佳路徑控制無人機完成自主導航。

無人機通過繞過障礙到達預期位置

（圖片來源：參考文獻1）

無人機的“無形觸手”

無人機結構很復雜

（圖片來源：參考文獻2）

近年來，各種高精尖的傳感器不斷發(fā)展，諸如慣性導航系統(tǒng)，地磁導航系統(tǒng)，激光雷達導航技術，視覺里程計等，使得無人機就像長出了無數“觸手”，而且這些“觸手”可以去看，可以去聽，可以去記，可以去感覺，它們將隧道的每個角落都摸索得清清楚楚。

慣性導航系統(tǒng)是很重要的“觸手”。它就像無人機的“記憶大師”，通過測量加速度和角速度，能夠推算出無人機的位置、速度和姿態(tài)變化。但慣性導航存在一個致命的弱點，那就是誤差會隨著時間累積，因此需要不斷地進行校準和修正。

地磁導航則像是無人機的“指南針”。地球磁場在不同位置具有獨有的特征，通過測量磁場的強度和方向，無人機可以與預先建立的地磁數據庫進行對比，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。

激光雷達導航技術就像是無人機的“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來構建出周圍環(huán)境的三維模型。憑借這一模型，無人機可以精準地避開障礙物，規(guī)劃出安全的飛行路徑。但激光雷達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的“視覺記憶”。通過分析連續(xù)拍攝的圖像中的特征點變化，無人機能夠計算出自身的運動信息，輔助進行位置和姿態(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。

無人機穿過海洋

（圖片來源：veer圖庫）

為了克服單一導航技術的不足，多傳感器融合技術應運而生。它將慣性導航、地磁導航、激光雷達、視覺里程計等多種傳感器的數據進行整合和分析，充分發(fā)揮各傳感器的優(yōu)勢，將無形“觸手”向更遠處延伸，從而實現更精確、更可靠的導航。

無人機的“大腦”

隨著智能路徑規(guī)劃與決策算法的飛速發(fā)展，無人機漸漸長出了“大腦”，可以在復雜環(huán)境中進行自主導航。以最近的研究為例，科學家們開發(fā)了基于人工智能和深度學習的先進路徑規(guī)劃系統(tǒng)，讓無人機能夠應對如隧道、森林等復雜環(huán)境中的導航挑戰(zhàn)，像人類一樣根據過往經驗規(guī)劃合適路徑。在這一過程中，神經網絡，特別是時間序列卷積神經網絡（TSCNN），扮演著至關重要的角色。

TSCNN的復雜結構

（圖片來源：參考文獻1）

在最近的研究中，神經網絡通過對傳感器輸入的信息進行“理解”，模擬了無人機在現實中面對的各種復雜情況。這種理解不僅限于簡單的障礙物識別，而是能夠對整個飛行環(huán)境做出全局的分析。例如，TSCNN可以根據傳感器數據，預測無人機在不同軌跡上的運動特性，并結合無人機的當前狀態(tài)（如飛行速度、位置、航向等），為無人機計算出最佳的下一步動作指令。

算法訓練步驟

（圖片來源：參考文獻1）

這一過程類似于人類駕駛員在駕駛時的思考模式。人類會根據當前的車速、交通狀況和目的地進行導航決策，神經網絡則以無人機的狀態(tài)為輸入，預測出最佳的飛行軌跡。這些預測不僅基于當前狀態(tài)，還通過時間序列模型考慮了歷史飛行數據，從而提升了決策的準確性和穩(wěn)定性。

一旦神經網絡給出指令，無人機將根據這些預測調整飛行軌跡，從而做到在復雜環(huán)境中靈活應對突發(fā)情況。例如，面對突如其來的障礙物，神經網絡能夠快速做出反應，通過調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)能更加準確地預測無人機的動態(tài)特性，使無人機的飛行軌跡更為平滑、安全。

從指令到行動

（圖片來源：參考文獻1）

應用領域的拓展與實踐

隧道無人機的無衛(wèi)星信號自主導航技術在眾多領域展現出了廣闊的應用前景。在隧道檢測與維護方面，傳統(tǒng)的人工檢測方法不僅效率低下，而且存在安全風險。

無人機可以攜帶各種檢測設備，如高清攝像頭、紅外傳感器等，快速、全面地檢測隧道的結構完整性、表面缺陷、設備運行狀況等。例如，在對隧道內壁的裂縫檢測中，無人機能夠精確地定位裂縫的位置和大小，并將相關數據實時傳輸給工作人員。

在應急救援領域，當隧道發(fā)生事故時，無人機能夠迅速進入現場，獲取現場的圖像和環(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的位置，評估事故的嚴重程度，為制定救援方案提供重要依據。

此外，在隧道建設過程中，無人機可以對施工進度和質量進行監(jiān)控，及時發(fā)現問題并進行調整。

照亮隧道的科技之光

隨著傳感器技術的不斷進步，無人機將能夠感知更細微的環(huán)境變化，提供更精確的導航數據。人工智能和機器學習的融入將使導航系統(tǒng)更加智能和自適應，能夠更好地應對復雜多變的隧道環(huán)境。同時，與5G通信技術的結合將實現無人機與地面控制中心之間的高速、低延遲數據傳輸，進一步提高導航的精度和可靠性。

盡管前方仍有挑戰(zhàn)，但相信在科技工作者的不懈努力下，這一技術將不斷完善和發(fā)展，成為保障隧道安全、高效運行的有力武器。讓我們期待這束科技之光在隧道中綻放出更加絢爛的光彩，為人類的生活帶來更多的便利和安全。

參考文獻：

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