提及無人機，我們腦海中往往浮現出它們在廣闊天空中自由翺翔的畫面。然而，有一個特殊的領域正等待着無人機去探索，那就是深邃而神秘的隧道。在隧道中，衛星信号被屏蔽，傳統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。但科技的力量是強大的，隧道無人機的無衛星信号自主導航技術，如同爲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：圖蟲創意
隧道，是人類爲了跨越障礙而創造的地下通道，但對于無人機來說，卻是一個充滿挑戰的環境。首先，光線極度不足，黑暗籠罩着每一寸空間，使得依賴光線的視覺傳感器幾乎 " 失明 "；其次，隧道内部結構複雜，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阻礙；最關鍵的是衛星信号的缺失，如同切斷了無人機與外界的 " 聯系 "，讓其無法依靠常規的導航手段确定自身位置和方向。
然而，挑戰往往伴随着機遇。隧道環境的特殊性也促使了無衛星信号自主導航技術的發展。這種技術的出現，不僅能夠讓無人機在隧道中安全、準确地飛行，還爲隧道的檢測、維護和應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 [ 2 ]
無人機的 " 觸手 " 和 " 大腦 "
在沒有衛星信号的情況下，無人機需要依靠多種技術的協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，延伸到隧道的邊邊角角；另一部分就是無人機的 " 大腦 " ——先進的路徑規劃系統，這一基于人工智能和深度學習得到的算法系統，通過 " 觸手 " 收集的各種數據感受環境，計算出最佳路徑，從而控制無人機完成自主導航。
無人機繞過障礙到達預期位置。圖片來源：參考文獻 [ 1 ]
1
無人機的 " 觸手 "
無人機的複雜結構。圖片來源：參考文獻 [ 2 ]
近年來，各種 " 高精尖 " 傳感器不斷發展，諸如慣性導航系統、地磁導航系統、激光雷達導航技術、視覺裏程計等，使無人機就像長出了無數隻 " 觸手 "，而且這些 " 觸手 " 可以看、聽、記憶、感覺，它們将隧道的每個角落都摸索得清清楚楚。
慣性導航系統是很重要的 " 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、速度和姿态變化。但慣性導航存在一個緻命的弱點，那就是誤差會随着時間累積，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。但地磁環境容易受到周圍金屬物體的幹擾，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 "。它能夠向周圍發射激光束，并通過測量激光束的反射時間構建出周圍環境的三維模型。憑借這一模型，無人機可以精準地避開障礙物，規劃出安全的飛行路徑。但激光雷達的作用範圍和分辨率也會受到環境因素的影響。
視覺裏程計則如同無人機的 " 視覺記憶 "。通過分析連續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，輔助進行位置和姿态的估計。然而，在光線不佳的隧道中，視覺裏程計的性能會大打折扣。
爲了克服單一導航技術的不足，多傳感器融合技術應運而生。它将慣性導航、地磁導航、激光雷達、視覺裏程計等多種傳感器的數據進行整合和分析，充分發揮各傳感器優勢，将無形 " 觸手 " 向更遠處延伸，從而實現更精确、更可靠的導航。
2
無人機的 " 大腦 "
随着智能路徑規劃與決策算法的飛速發展，無人機漸漸長出了 " 大腦 "，可以在複雜環境中進行自主導航。以最近的研究爲例，科學家們開發了基于人工智能和深度學習的先進路徑規劃系統，讓無人機能夠應對如隧道、森林等複雜環境中的導航挑戰，能像人類一樣思考，根據過往經驗規劃合适路徑。在這一過程中，神經網絡，特别是時間序列卷積神經網絡（TSCNN），扮演着至關重要的角色。
時間序列卷積神經網絡（TSCNN）的複雜結構。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 "，模拟了無人機在現實中面對的各種複雜情況。這種理解不僅局限于對簡單障礙物的識别，而是能夠對整個飛行環境做出全局分析。例如，TSCNN 可以根據傳感器數據，預測無人機在不同軌迹上的運動特性，并結合無人機的當前狀态（如飛行速度、位置、航向等），爲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狀态的思考模式。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态輸入，預測出最佳的飛行軌迹。這些預測不僅基于當前狀态，還通過時間序列模型考慮了曆史飛行數據，從而提升了決策的準确性和穩定性。
一旦神經網絡給出指令，無人機将根據這些預測調整飛行軌迹，從而做到在複雜環境中靈活應對突發情況。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。與傳統路徑規劃方法相比，這種基于人工智能的系統能更加準确地預測無人機的動态特性，使無人機的飛行軌迹更加平滑、安全。
從 " 指令 " 到 " 行動 " 圖示。圖片來源：參考文獻 [ 1 ]
應用領域的拓展
隧道無人機的無衛星信号自主導航技術在衆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，能夠快速、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，在對隧道内壁的裂縫檢測中，無人機能夠精确定位裂縫的位置和大小，并将相關數據實時傳輸給工作人員。
在應急救援領域，當隧道發生事故時，無人機能夠迅速進入現場，獲取現場的圖像和環境信息，爲救援人員提供寶貴的第一手資料。它可以幫助确定被困人員位置，評估事故嚴重程度，爲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控，及時發現問題并進行調整。
" 照亮 " 隧道
随着傳感器技術的不斷進步，無人機将感知到更細微的環境變化，提供更精确的導航數據。人工智能和機器學習的融入，将使導航系統更加智能和自适應，能夠更好應對複雜多變的隧道環境。同時，與 5G 通信技術的結合，将實現無人機與地面控制中心之間高速、低延遲的數據傳輸，進一步提高導航的精度和可靠性。
盡管前方挑戰重重，相信在科技工作者的不懈努力之下，這一技術将不斷完善和發展，成爲保障隧道安全、高效運行的有力武器，讓我們期待它照亮隧道，爲我們的生活帶來更多便利和安全。
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
策劃制作
出品丨科普中國
作者丨舟舟 大連理工大學
監制丨中國科普博覽
責編丨董娜娜
審校丨徐來 林林
本文封面圖片及文内圖片來自版權圖庫
轉載使用可能引發版權糾紛
原創圖文轉載請後台回複 " 轉載 "
點亮 " 在看 "
一起漲知識！
