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(xiàn)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(yīng)種種關(guān)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(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(dǎo)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(dǎo)航技術(shù)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(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，給無人機的飛行帶來了巨大的阻礙。而最為關(guān)鍵的是，衛(wèi)星信號的缺失，如同切斷了無人機與外界的“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)，不僅能夠讓無人機在隧道中安全、準確地飛行，還為隧道的檢測、維護和應(yīng)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(shù)的協(xié)同工作來實現(xiàn)自主導(dǎo)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(jù)“觸手”得到的各種數(shù)據(jù)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(dǎo)航。

無人機通過繞過障礙到達預(yù)期位置

（圖片來源：參考文獻1）

無人機的“無形觸手”

無人機結(jié)構(gòu)很復(fù)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(dǎo)航系統(tǒng)，地磁導(dǎo)航系統(tǒng)，激光雷達導(dǎo)航技術(shù)，視覺里程計等，使得無人機就像長出了無數(shù)“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(dǎo)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(dǎo)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(dǎo)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(yù)先建立的地磁數(shù)據(jù)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(dǎo)航技術(shù)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(gòu)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(dǎo)航技術(shù)的不足，多傳感器融合技術(shù)應(yīng)運而生。它將慣性導(dǎo)航、地磁導(dǎo)航、激光雷達、視覺里程計等多種傳感器的數(shù)據(jù)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(xiàn)更精確、更可靠的導(dǎo)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(fù)雜環(huán)境中進行自主導(dǎo)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(yīng)對如隧道、森林等復(fù)雜環(huán)境中的導(dǎo)航挑戰(zhàn)，像人類一樣根據(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。

TSCNN的復(fù)雜結(jié)構(gòu)

（圖片來源：參考文獻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行“理解”，模擬了無人機在現(xiàn)實中面對的各種復(fù)雜情況。這種理解不僅限于簡單的障礙物識別，而是能夠?qū)φ麄€飛行環(huán)境做出全局的分析。例如，TSCNN可以根據(jù)傳感器數(shù)據(jù)，預(yù)測無人機在不同軌跡上的運動特性，并結(jié)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(xùn)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(jù)當前的車速、交通狀況和目的地進行導(dǎo)航?jīng)Q策，神經(jīng)網(wǎng)絡(luò)則以無人機的狀態(tài)為輸入，預(yù)測出最佳的飛行軌跡。這些預(yù)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(shù)據(jù)，從而提升了決策的準確性和穩(wěn)定性。

一旦神經(jīng)網(wǎng)絡(luò)給出指令，無人機將根據(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)能更加準確地預(yù)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(yīng)用領(lǐng)域的拓展與實踐

隧道無人機的無衛(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(shè)備，如高清攝像頭、紅外傳感器等，快速、全面地檢測隧道的結(jié)構(gòu)完整性、表面缺陷、設(shè)備運行狀況等。例如，在對隧道內(nèi)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(guān)數(shù)據(jù)實時傳輸給工作人員。

在應(yīng)急救援領(lǐng)域，當隧道發(fā)生事故時，無人機能夠迅速進入現(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(jù)。

此外，在隧道建設(shè)過程中，無人機可以對施工進度和質(zhì)量進行監(jiān)控，及時發(fā)現(xiàn)問題并進行調(diào)整。

照亮隧道的科技之光

隨著傳感器技術(shù)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(dǎo)航數(shù)據(jù)。人工智能和機器學習的融入將使導(dǎo)航系統(tǒng)更加智能和自適應(yīng)，能夠更好地應(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)合將實現(xiàn)無人機與地面控制中心之間的高速、低延遲數(shù)據(jù)傳輸，進一步提高導(dǎo)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(shù)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