機庫環境下SLAM技術實現分析及展望

摘" 要：隨著智慧民航的提出與建設，機務維修作業智能化的要求被提出。在機庫環境中引入SLAM（同時定位與建圖）技術，可為無人機、智能移動機器人等提供有效的三維場景地圖，使得智能設備能夠更好地協助工作人員完成日常工作，在極大降低工作負擔的同時大幅提升工作效率。SLAM作為智能移動機器人導航技術的一部分，可以完成其在機庫環境下的同時定位與建圖。該文根據SLAM技術的發展現狀結合機庫環境的特點，深度分析機庫環境下無人機、智能小車等移動機器人SLAM技術的實現方案，并作出相關展望，最終得出采用引入深度學習的視覺慣性SLAM技術可滿足該特殊場景需求的結論。

關鍵詞：機務維修；無人機；智能移動機器人；同時定位與建圖；深度學習

中圖分類號：TP242.6" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2023）28-00１６-0４

Abstract： With the proposal and construction of intelligent civil aviation， the requirement of intelligent maintenance operation has been put forward. The introduction of SLAM technology into the hangar environment can provide effective three-dimensional scene maps for drones and intelligent mobile robots， so that intelligent devices can better assist staff to complete their daily work， greatly reduce the workload and greatly improve work efficiency. As a part of intelligent mobile robot navigation technology， SLAM can complete its simultaneous positioning and mapping in the hangar environment. According to the development status of SLAM technology and the characteristics of hangar environment， this paper deeply analyzes the implementation scheme of SLAM technology of UAV， intelligent car and other mobile robots in hangar environment and makes relevant prospects. Finally， it is concluded that the visual inertia SLAM technology with deep learning can meet the needs of this special scene.

Keywords： aircraft maintenance; UAV; intelligent mobile robot; simultaneous positioning and mapping; deep learning

隨著近年來人工智能及機器人技術的飛速發展，如無人機外賣、快遞機器人及掃地機器人等越來越多的智能移動機器人逐漸走進人們的日常生活之中，這些無人操作的智能化技術正在快速地融入社會的各行各業，并創造出可期的價值與前景。作為先進技術的代表，民用航空業一直致力于引入新的科技成果，與此同時，在民航局發布的關于智慧民航的建設路線圖中，也明確提出在智慧機場中關于作業與服務智能化的要求。攜帶智能算法的無人機及智能小車等移動機器人進入民航領域是主流趨勢，可以預見的是這些智能移動機器人可以應用于如機場引導、機場驅鳥、機庫環境等多個場景之中。具體而言將智能移動小車應用到機庫環境中可以協助機務人員完成設備轉運等工作，這樣不僅可以有效提高機務維修作業的效率和智能化程度，還能極大地減輕工作人員的負擔，進而降低在工作過程中人為因素造成的負面影響。使用搭載智能算法的無人機對重要的區域進行安全巡檢，不僅減少人力資源的消耗，還可全天候快速地自主檢測和上報。這些智能小車和無人機的實現需要包括運動控制、路徑規劃、SLAM（同時定位與建圖）和深度學習等多種技術相互配合，其中SLAM作為機器人的環境感知技術猶如人類的雙眼，將為智能移動機器人的路徑規劃提供切實可靠的環境信息。

根據目前公開的資料顯示，智能移動機器人在民航領域的應用并不多見，并且帶有智能算法的移動機器人大多需要操作員進行控制，或是只部署和應用了較為簡單和功能較低的代碼程序，不能有效利用現有的技術成果來提升效率。將SLAM技術應用于機庫環境中，可以實現機器人的定位與建圖，為后續智能移動機器人的自主移動和作業提供基礎信息支持，其實現框圖如圖1所示。可以看出SLAM作為該系統的重要輸入之一支撐智能設備完成任務，本文將針對智能移動機器人在機庫維修環境中作業的實際需求及可能存在的需求，結合現今SLAM技術的發展現狀，對機庫環境下智能移動機器人的SLAM技術進行分析和展望。

1" 機庫環境分析

機庫是飛機停放和維護的主要區域，通常為大跨度單層建筑[1]，其實例如圖2所示。機務人員在該場景工作時往往伴隨著頻繁的設備轉運，這極大降低了機務人員的工作效率，同時在設備轉移的過程中會付出較多的時間成本和精力成本。這一問題隨著現在航空業的進一步發展，大跨度的機庫結構將會成為一種常態[2]。機庫作為保障飛機正常執行飛行任務的重要設施，具有許多嚴格的規章制度，如圖3所示某機庫就對機庫維修環境的不同區域進行了細致的任務劃分。從圖3可以看出在機庫中存在著大量專業設備，其中大型設備多放于地面而小型的常放在對應工作臺表面，機務人員在日常工作中需要根據場地規則和實際需求來進行作業，存在體系復雜流程不夠精簡等缺點，通過引入自主移動的智能設備可有效緩解目前機庫環境中存在的諸多問題。

具體而言，在機務人員對飛機進行日常維護的過程中，機務人員會浪費大量的時間精力來完成設備的尋找和轉移。同時日常的機庫安全巡檢，也是一項費時費力的工作，機務人員在工作過程中容易因為長時間的枯燥和疲勞產生疏忽，進而造成飛行安全隱患及其他不必要的損失。在機庫環境中部署智能移動機器人可幫助機務人員完成設備轉運、安全巡檢等工作，可大幅降低機務人員的工作強度，有效緩解機務人員的疲勞，避免因此而造成機務人員體力和精神狀態下降，進而引起風險指數上升[3]。

2" 智能移動機器人SLAM技術的研究現狀

智能移動機器人的自主移動，主要由環境感知、路徑規劃、運動控制3項技術共同支撐，其中環境感知技術應用較為廣泛的為同時定位與建圖（Simultaneous localization and mapping，SLAM）[4]。智能移動機器人SLAM技術通過利用相機（visual）、雷達（lidar）、慣性里程計（IMU）等傳感器完成未知場景的地圖構建及自身運動軌跡的估算。

較為經典的Lidar的成熟方案有Gmapping等，激光雷達具備技術成熟、測距準確、受光照影響小等優點，但是激光傳感器的價格昂貴，雖然近年來自動駕駛等需求倒逼了激光雷達技術的發展，但是相較相機的價格，其仍舊處于劣勢。同時單線雷達只能進行二維的平面地圖建立，不能很好地應對機庫維修環境中的復雜場景，多線雷達雖然可以完成三維場景的構建，但其價格也有較大提升。視覺的成熟方案有ORB-SLAM[5]系列等，相機的巨大優勢除了價格外還在于其能采集豐富的紋理信息用于位姿解算與深度學習識別。民用級的慣性里程計（IMU）存在較為嚴重的飄移問題，并不適合長時間單獨使用，但其短時間內的快速響應等特點使其可以和其他傳感器實現互補，高精度的純慣性導航多用于軍事航天領域。

由于單個傳感器存在不同缺陷且易受環境影響，采用不同傳感器進行融合，在優勢互補的同時提升系統的穩定性[6]。同時近年來隨著深度學習技術的不斷突破，SLAM結合深度學習[7]可實現對場景的識別及語義分割等功能，完成智能移動機器人對場景的高層次理解。因此目前的智能移動機器人SLAM技術有著多傳感融合及結合深度學習2個發展方向。

在多傳感器融合方面，有著VINS[8]系列等經典的多傳感器融合SLAM系統，通過視覺與IMU相結合的方式，能夠快速穩定地構建場景地圖。相較于單個傳感器的智能移動機器人SLAM系統，能夠在復雜和退化場景中具有更好的抗干擾能力和穩定性。

深度學習自2012年走上了快速的發展道路后，獲得了頗多的研究成果，這也引起了諸多行業科研人員的注意。將深度學習與智能移動機器人SLAM技術相結合，既可用于實現傳統算法的特征匹配、回環檢測等功能，也可用于傳統SLAM技術結合深度學習進行語義地圖建立。語義地圖建立是結合深度學習實現對場景中物體的目標檢測與識別，如SOF-SLAM[9]等方案就很好地實現了實時語義地圖的建立，除可獲取場景中物體的空間分布和姿態信息外還可以得到物體功能等信息。

3" 應用分析與展望

在機庫環境中部署SLAM系統完成智能移動機器人的定位和場景的建圖，需要考慮機庫的實際情況和智能移動機器人的具體需求及未來可能的需求。

在復雜的機庫環境中需要提供更多的環境信息用于智能移動機器人SLAM技術，同時機庫環境中存在著大量的立體障礙物，智能移動機器人在其中移動時需要參照場景的三維地圖，才能更為有效地避免碰撞，最后不能忽略的是機庫中因為存在大量的禁行區域，智能移動機器人在移動的過程中需要能夠識別和避讓。

對于現在常用的傳感器，單線雷達常用于二維柵格地圖并不能滿足機庫環境下智能移動機器人的實際需求，而多線雷達造價極為昂貴并不適合車載移動平臺的實際落地應用。視覺傳感器具有采集信息豐富、價格便宜等特點，基于視覺傳感器的成熟三維地圖建立方案豐富，滿足機庫環境這種復雜場景下的智能移動機器人SLAM需求，同時相機獲取的圖片信息在經過深度學習的處理后可完成對禁行區域的識別，因此相機十分適合作為機庫環境下智能移動機器人SLAM技術的傳感器。雖然以相機為傳感器可以實現在室內環境中較為穩定的狀態估計，但是相機也存在短時間內的反應不靈敏的問題和運動過快易丟失跟蹤的缺點，為解決上述問題可引入IMU實現互補[10]。表1對傳感器的優缺點進行了列舉，不難發現相機+IMU最為適配機庫環境下SLAM的實際需求。

智慧民航對作業與服務智能化的要求中對于智能機器人完成機庫環境下的自主移動只是基礎要求，要想更進一步還需要將人工智能技術應用于移動平臺上。引入以深度學習為基礎的圖像處理，可以有效提升機庫維修環境下智能移動機器人的智能化程度，并且可以直接使用視覺傳感器獲取信息，可實現對獲取信息的重復利用。

針對機庫環境中具有的多種類別的物品，我們可以通過深度學習進行目標檢測，來對場景中復雜的工具進行劃分，如果搭配自然語言處理[11]相關技術便可以完成語音控制智能移動機器人作業在機庫場景中對特殊物品的搜尋。圖像處理除了進行物體識別外，還可用于進行如步態識別[12]、吸煙識別等來檢測機務人員的行為是否符合規范，當然自主智能移動機器人還可利用深度學習的圖像處理技術完成場景內的易燃物品泄漏及未知事物闖入[13]等危險事件的監測。深度學習應用到可自主移動的智能小車，有著豐富的結合點和發展方向。

4" 結束語

本文主要結合機庫的實際需求及現在智能移動機器人SLAM技術的發展現狀，對機庫環境下智能移動機器人所需的SLAM技術進行分析和討論。得出在機庫環境中的智能移動機器人SLAM技術應當選用IMU、相機、深度學習三者結合的結論。后續將在本文的基礎上，完成對機庫環境下三維語義地圖的建立，預計可以完成對場景中常見的航空工具及相關配件的識別與定位。在智能移動機器人加裝機械臂之后，可根據定位信息完成對目標物體的搜尋與抓取，將進一步減輕機務人員的工作負擔。

參考文獻：

[1] 王瓊麗.維修機庫建筑設計的探究與應用[J].居舍，2022（6）：166-168.

[2] 薛素鐸，王天柱.大跨度飛機場維修機庫研究現狀與展望[C]//第十七屆空間結構學術會議論文，2018：665-670.

[3] 胡臻.機務維修人員疲勞風險指數研究[D].天津：中國民航大學，2017.

[4] 楊夢雪，姚敏茹，曹凱.移動機器人SLAM關鍵問題和解決方法綜述[J].計算機系統應用，2018（27）：1-10.

[5] MUR-ARTAL R，MONTIEL J M M，TARDOS J D. ORB-SLAM：a versatile and accurate monocular SLAM system[J]. IEEE Transactions on Robotics，2015，31（5）：1147-1163．

[6] 田野，陳宏巍.室內移動機器人的SLAM算法綜述[J].計算機科學，2021，48（9）：223-234.

[7] 趙洋，劉國良，田國會.基于深度學習的視覺SLAM綜述[J].機器人，2017，39（6）：889-896.

[8] PEI L L，TONG Q， et al. Monocular Visual-Interial State Estimation for Mobile Augmented Reality[C]//IEEE International Symposium on Mixed and Augmented Reality，2017：11-21.

[9] CUI L Y， MA C Q. SOF-SLAM： a semantic visual SLAM for dynamic environments[J]. IEEE Access，2019，7：166528.

[10] 毛軍，付浩，諸超群.慣性/視覺/激光雷達SLAM技術綜述[J].導航定位與授時，2022，9（4）：18-30.

[11] 尹寶才，王文通，王立春.深度學習研究綜述[J].北京工業大學學報，2015，41（1）：48-59.

[12] 朱磊，仝超，董亮，等.基于殘差網絡和注意力機制的步態識別算法[J].電訊技術，2022，62（12）：1722-1728.

[13] 鄒鵬，楊凱軍，梁晨.改進YOLOv5的輕量級不規范駕駛行為實時檢測[J].計算機工程與應用，2023，59（13）：186-193.