成功了！隧道无人机实现无信号自主导航！

提及无人机，我们脑海中往往浮现出它们在广阔天空中自由翱翔的画面。然而，有一个特殊的领域正等待着无人机去探索，那就是深邃而神秘的隧道。在隧道中，卫星信号被屏蔽，传统的导航方式失去了作用，这就如同让无人机在黑暗中迷失了方向。但科技的力量是强大的，隧道无人机的无卫星信号自主导航技术，如同为无人机装上了一双能够穿越黑暗的科技“翅膀”。

无人机拍摄公路隧道出山和汽车行驶。图片来源：图虫创意

隧道，是人类为了跨越障碍而创造的地下通道，但对于无人机来说，却是一个充满挑战的环境。首先，光线极度不足，

黑暗笼罩着每一寸空间，使得依赖光线的视觉传感器几乎“失明”；其次，隧道内部结构复杂，

狭窄的空间、弯曲的通道以及各种障碍物，如支架、线缆等，给无人机的飞行带来了巨大阻碍；最关键的是卫星信号的缺失，

如同切断了无人机与外界的“联系”，让其无法依靠常规的导航手段确定自身位置和方向。

然而，挑战往往伴随着机遇。隧道环境的特殊性也促使了无卫星信号自主导航技术的发展。

这种技术的出现，不仅能够让无人机在隧道中安全、准确地飞行，成功了！隧道无人机实现无信号自主导航！还为隧道的检测、维护和应急救援等工作带来了全新的可能性。

种类多样的隧道。图片来源：参考文献[2]

无人机的“触手”和“大脑”

在没有卫星信号的情况下，无人机需要依靠多种技术的协同工作来实现自主导航。一方面，通过无人机的无形“触手”——

各种高精尖传感器，

延伸到隧道的边边角角；另一部分就是无人机的“大脑”——

先进的路径规划系统，

这一基于人工智能和深度学习得到的算法系统，通过“触手”收集的各种数据感受环境，计算出最佳路径，从而控制无人机完成自主导航。

无人机绕过障碍到达预期位置。图片来源：参考文献[1]

1

无人机的“触手”

无人机的复杂结构。图片来源：参考文献[2]

近年来，各种“高精尖”传感器不断发展，诸如惯性导航系统、地磁导航系统、激光雷达导航技术、视觉里程计等，使无人机就像长出了无数只“触手”，而且这些“触手”可以看、听、记忆、感觉，它们将隧道的每个角落都摸索得清清楚楚。

惯性导航系统

是很重要的“触手”，它就像无人机的“记忆大师”

，通过测量加速度和角速度，能够推算出无人机的位置、速度和姿态变化。

但惯性导航存在一个致命的弱点，那就是误差会随着时间累积，因此需要不断地进行校准和修正。

地磁导航

则像是无人机的“指南针”。

地球磁场在不同位置具有独有特征，通过测量磁场的强度和方向，无人机可以与预先建立的地磁数据库进行对比，从而获取自身的位置信息。但地磁环境容易受到周围金属物体的干扰，所以其精度和可靠性也存在一定的局限性。

激光雷达导航技术就像是无人机的“眼睛”。

它能够向周围发射激光束，并通过测量激光束的反射时间构建出周围环境的三维模型。凭借这一模型，无人机可以精准地避开障碍物，规划出安全的飞行路径。但激光雷达的作用范围和分辨率也会受到环境因素的影响。

视觉里程计则如同无人机的“视觉记忆”。

通过分析连续拍摄的图像中的特征点变化，无人机能够计算出自身的运动信息，辅助进行位置和姿态的估计。然而，在光线不佳的隧道中，视觉里程计的性能会大打折扣。

为了克服单一导航技术的不足，多传感器融合技术

应运而生。它将惯性导航、地磁导航、激光雷达、视觉里程计等多种传感器的数据进行整合和分析，充分发挥各传感器优势，将无形“触手”向更远处延伸，从而实现更精确、更可靠的导航。

2

无人机的“大脑”

随着智能路径规划与决策算法的飞速发展，无人机渐渐长出了“大脑”，可以在复杂环境中进行自主导航。以最近的研究为例，科学家们开发了基于人工智能和深度学习的先进路径规划系统，

让无人机能够应对如隧道、森林等复杂环境中的导航挑战，能像人类一样思考，根据过往经验规划合适路径。在这一过程中，神经网络，特别是时间序列卷积神经网络（TSCNN），扮演着至关重要的角色。

时间序列卷积神经网络（TSCNN）的复杂结构。图片来源：参考文献[1]

在最近的研究中，神经网络通过对传感器输入的信息进行“理解”，模拟了无人机在现实中面对的各种复杂情况。这种理解不仅局限于对简单障碍物的识别，而是能够对整个飞行环境做出全局分析。

例如，TSCNN可以根据传感器数据，预测无人机在不同轨迹上的运动特性，并结合无人机的当前状态（如飞行速度、位置、航向等），为无人机计算出最佳的下一步动作指令。

算法训练步骤。图片来源：参考文献[1]

这一过程类似于人类驾驶员在驾驶状态的思考模式。人类会根据当前的车速、交通状况和目的地进行导航决策，神经网络则以无人机的状态输入，预测出最佳的飞行轨迹。

这些预测不仅基于当前状态，还通过时间序列模型考虑了历史飞行数据，从而提升了决策的准确性和稳定性。

一旦神经网络给出指令，无人机将根据这些预测调整飞行轨迹，从而做到在复杂环境中灵活应对突发情况。例如，面对突如其来的障碍物，神经网络能够快速做出反应，通过调整飞行路径避开障碍。与传统路径规划方法相比，这种基于人工智能的系统能更加准确地预测无人机的动态特性，使无人机的飞行轨迹更加平滑、安全。

从“指令”到“行动”图示。图片来源：参考文献[1]

应用领域的拓展

隧道无人机的无卫星信号自主导航技术在众多领域展现出了广阔的应用前景。在隧道检测与维护方面，传统的人工检测方法不仅效率低下，而且存在安全风险。

无人机可以携带各种检测设备，

如高清摄像头、红外传感器等，能够快速、全面地检测隧道的结构完整性、表面缺陷、设备运行状况等。

例如，在对隧道内壁的裂缝检测中，无人机能够精确定位裂缝的位置和大小，并将相关数据实时传输给工作人员。

在应急救援领域，

当隧道发生事故时，无人机能够迅速进入现场，获取现场的图像和环境信息，为救援人员提供宝贵的第一手资料。它可以帮助确定被困人员位置，评估事故严重程度，

为制定救援方案提供重要依据。

此外，在隧道建设过程中，无人机可以对施工进度和质量进行监控，

及时发现问题并进行调整。

“照亮”隧道

随着传感器技术的不断进步，无人机将感知到更细微的环境变化，提供更精确的导航数据。人工智能和机器学习的融入，将使导航系统更加智能和自适应，

能够更好应对复杂多变的隧道环境。同时，与5G通信技术的结合，将实现无人机与地面控制中心之间高速、低延迟的数据传输，

进一步提高导航的精度和可靠性。

尽管前方挑战重重，相信在科技工作者的不懈努力之下，这一技术将不断完善和发展，成为保障隧道安全、高效运行的有力武器，让我们期待它照亮隧道，为我们的生活带来更多便利和安全。

[1]LiuY,WangH,FanJ,etal.Control-orientedUAVhighlyfeasibletrajectoryplanning:Adeeplearningmethod[J].AerospaceScienceandTechnology,2021,110:106435.

[2]TahaElmokadem*1;AndreyV.Savkin1.Amethodforautonomouscollision-freenavigationofaquadrotorUAVinunknowntunnel-likeenvironments[J].Robotica,2022,Vol.40(4):835-861

策划制作

作者丨舟舟大连理工大学

审校丨徐来林林

一起涨知识！