機(jī)庫(kù)環(huán)境下SLAM技術(shù)實(shí)現(xiàn)分析及展望

摘" 要：隨著智慧民航的提出與建設(shè)，機(jī)務(wù)維修作業(yè)智能化的要求被提出。在機(jī)庫(kù)環(huán)境中引入SLAM（同時(shí)定位與建圖）技術(shù)，可為無(wú)人機(jī)、智能移動(dòng)機(jī)器人等提供有效的三維場(chǎng)景地圖，使得智能設(shè)備能夠更好地協(xié)助工作人員完成日常工作，在極大降低工作負(fù)擔(dān)的同時(shí)大幅提升工作效率。SLAM作為智能移動(dòng)機(jī)器人導(dǎo)航技術(shù)的一部分，可以完成其在機(jī)庫(kù)環(huán)境下的同時(shí)定位與建圖。該文根據(jù)SLAM技術(shù)的發(fā)展現(xiàn)狀結(jié)合機(jī)庫(kù)環(huán)境的特點(diǎn)，深度分析機(jī)庫(kù)環(huán)境下無(wú)人機(jī)、智能小車(chē)等移動(dòng)機(jī)器人SLAM技術(shù)的實(shí)現(xiàn)方案，并作出相關(guān)展望，最終得出采用引入深度學(xué)習(xí)的視覺(jué)慣性SLAM技術(shù)可滿足該特殊場(chǎng)景需求的結(jié)論。

關(guān)鍵詞：機(jī)務(wù)維修；無(wú)人機(jī)；智能移動(dòng)機(jī)器人；同時(shí)定位與建圖；深度學(xué)習(xí)

中圖分類(lèi)號(hào)：TP242.6" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號(hào)：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(lái)人工智能及機(jī)器人技術(shù)的飛速發(fā)展，如無(wú)人機(jī)外賣(mài)、快遞機(jī)器人及掃地機(jī)器人等越來(lái)越多的智能移動(dòng)機(jī)器人逐漸走進(jìn)人們的日常生活之中，這些無(wú)人操作的智能化技術(shù)正在快速地融入社會(huì)的各行各業(yè)，并創(chuàng)造出可期的價(jià)值與前景。作為先進(jìn)技術(shù)的代表，民用航空業(yè)一直致力于引入新的科技成果，與此同時(shí)，在民航局發(fā)布的關(guān)于智慧民航的建設(shè)路線圖中，也明確提出在智慧機(jī)場(chǎng)中關(guān)于作業(yè)與服務(wù)智能化的要求。攜帶智能算法的無(wú)人機(jī)及智能小車(chē)等移動(dòng)機(jī)器人進(jìn)入民航領(lǐng)域是主流趨勢(shì)，可以預(yù)見(jiàn)的是這些智能移動(dòng)機(jī)器人可以應(yīng)用于如機(jī)場(chǎng)引導(dǎo)、機(jī)場(chǎng)驅(qū)鳥(niǎo)、機(jī)庫(kù)環(huán)境等多個(gè)場(chǎng)景之中。具體而言將智能移動(dòng)小車(chē)應(yīng)用到機(jī)庫(kù)環(huán)境中可以協(xié)助機(jī)務(wù)人員完成設(shè)備轉(zhuǎn)運(yùn)等工作，這樣不僅可以有效提高機(jī)務(wù)維修作業(yè)的效率和智能化程度，還能極大地減輕工作人員的負(fù)擔(dān)，進(jìn)而降低在工作過(guò)程中人為因素造成的負(fù)面影響。使用搭載智能算法的無(wú)人機(jī)對(duì)重要的區(qū)域進(jìn)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(cè)和上報(bào)。這些智能小車(chē)和無(wú)人機(jī)的實(shí)現(xiàn)需要包括運(yùn)動(dòng)控制、路徑規(guī)劃、SLAM（同時(shí)定位與建圖）和深度學(xué)習(xí)等多種技術(shù)相互配合，其中SLAM作為機(jī)器人的環(huán)境感知技術(shù)猶如人類(lèi)的雙眼，將為智能移動(dòng)機(jī)器人的路徑規(guī)劃提供切實(shí)可靠的環(huán)境信息。

根據(jù)目前公開(kāi)的資料顯示，智能移動(dòng)機(jī)器人在民航領(lǐng)域的應(yīng)用并不多見(jiàn)，并且?guī)в兄悄芩惴ǖ囊苿?dòng)機(jī)器人大多需要操作員進(jìn)行控制，或是只部署和應(yīng)用了較為簡(jiǎn)單和功能較低的代碼程序，不能有效利用現(xiàn)有的技術(shù)成果來(lái)提升效率。將SLAM技術(shù)應(yīng)用于機(jī)庫(kù)環(huán)境中，可以實(shí)現(xiàn)機(jī)器人的定位與建圖，為后續(xù)智能移動(dòng)機(jī)器人的自主移動(dòng)和作業(yè)提供基礎(chǔ)信息支持，其實(shí)現(xiàn)框圖如圖1所示。可以看出SLAM作為該系統(tǒng)的重要輸入之一支撐智能設(shè)備完成任務(wù)，本文將針對(duì)智能移動(dòng)機(jī)器人在機(jī)庫(kù)維修環(huán)境中作業(yè)的實(shí)際需求及可能存在的需求，結(jié)合現(xiàn)今SLAM技術(shù)的發(fā)展現(xiàn)狀，對(duì)機(jī)庫(kù)環(huán)境下智能移動(dòng)機(jī)器人的SLAM技術(shù)進(jìn)行分析和展望。

1" 機(jī)庫(kù)環(huán)境分析

機(jī)庫(kù)是飛機(jī)停放和維護(hù)的主要區(qū)域，通常為大跨度單層建筑[1]，其實(shí)例如圖2所示。機(jī)務(wù)人員在該場(chǎng)景工作時(shí)往往伴隨著頻繁的設(shè)備轉(zhuǎn)運(yùn)，這極大降低了機(jī)務(wù)人員的工作效率，同時(shí)在設(shè)備轉(zhuǎn)移的過(guò)程中會(huì)付出較多的時(shí)間成本和精力成本。這一問(wèn)題隨著現(xiàn)在航空業(yè)的進(jìn)一步發(fā)展，大跨度的機(jī)庫(kù)結(jié)構(gòu)將會(huì)成為一種常態(tài)[2]。機(jī)庫(kù)作為保障飛機(jī)正常執(zhí)行飛行任務(wù)的重要設(shè)施，具有許多嚴(yán)格的規(guī)章制度，如圖3所示某機(jī)庫(kù)就對(duì)機(jī)庫(kù)維修環(huán)境的不同區(qū)域進(jìn)行了細(xì)致的任務(wù)劃分。從圖3可以看出在機(jī)庫(kù)中存在著大量專(zhuān)業(yè)設(shè)備，其中大型設(shè)備多放于地面而小型的常放在對(duì)應(yīng)工作臺(tái)表面，機(jī)務(wù)人員在日常工作中需要根據(jù)場(chǎng)地規(guī)則和實(shí)際需求來(lái)進(jìn)行作業(yè)，存在體系復(fù)雜流程不夠精簡(jiǎn)等缺點(diǎn)，通過(guò)引入自主移動(dòng)的智能設(shè)備可有效緩解目前機(jī)庫(kù)環(huán)境中存在的諸多問(wèn)題。

具體而言，在機(jī)務(wù)人員對(duì)飛機(jī)進(jìn)行日常維護(hù)的過(guò)程中，機(jī)務(wù)人員會(huì)浪費(fèi)大量的時(shí)間精力來(lái)完成設(shè)備的尋找和轉(zhuǎn)移。同時(shí)日常的機(jī)庫(kù)安全巡檢，也是一項(xiàng)費(fèi)時(shí)費(fèi)力的工作，機(jī)務(wù)人員在工作過(guò)程中容易因?yàn)殚L(zhǎng)時(shí)間的枯燥和疲勞產(chǎn)生疏忽，進(jìn)而造成飛行安全隱患及其他不必要的損失。在機(jī)庫(kù)環(huán)境中部署智能移動(dòng)機(jī)器人可幫助機(jī)務(wù)人員完成設(shè)備轉(zhuǎn)運(yùn)、安全巡檢等工作，可大幅降低機(jī)務(wù)人員的工作強(qiáng)度，有效緩解機(jī)務(wù)人員的疲勞，避免因此而造成機(jī)務(wù)人員體力和精神狀態(tài)下降，進(jìn)而引起風(fēng)險(xiǎn)指數(shù)上升[3]。

2" 智能移動(dòng)機(jī)器人SLAM技術(shù)的研究現(xiàn)狀

智能移動(dòng)機(jī)器人的自主移動(dòng)，主要由環(huán)境感知、路徑規(guī)劃、運(yùn)動(dòng)控制3項(xiàng)技術(shù)共同支撐，其中環(huán)境感知技術(shù)應(yīng)用較為廣泛的為同時(shí)定位與建圖（Simultaneous localization and mapping，SLAM）[4]。智能移動(dòng)機(jī)器人SLAM技術(shù)通過(guò)利用相機(jī)（visual）、雷達(dá)（lidar）、慣性里程計(jì)（IMU）等傳感器完成未知場(chǎng)景的地圖構(gòu)建及自身運(yùn)動(dòng)軌跡的估算。

較為經(jīng)典的Lidar的成熟方案有Gmapping等，激光雷達(dá)具備技術(shù)成熟、測(cè)距準(zhǔn)確、受光照影響小等優(yōu)點(diǎn)，但是激光傳感器的價(jià)格昂貴，雖然近年來(lái)自動(dòng)駕駛等需求倒逼了激光雷達(dá)技術(shù)的發(fā)展，但是相較相機(jī)的價(jià)格，其仍舊處于劣勢(shì)。同時(shí)單線雷達(dá)只能進(jìn)行二維的平面地圖建立，不能很好地應(yīng)對(duì)機(jī)庫(kù)維修環(huán)境中的復(fù)雜場(chǎng)景，多線雷達(dá)雖然可以完成三維場(chǎng)景的構(gòu)建，但其價(jià)格也有較大提升。視覺(jué)的成熟方案有ORB-SLAM[5]系列等，相機(jī)的巨大優(yōu)勢(shì)除了價(jià)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(xué)習(xí)識(shí)別。民用級(jí)的慣性里程計(jì)（IMU）存在較為嚴(yán)重的飄移問(wèn)題，并不適合長(zhǎng)時(shí)間單獨(dú)使用，但其短時(shí)間內(nèi)的快速響應(yīng)等特點(diǎn)使其可以和其他傳感器實(shí)現(xiàn)互補(bǔ)，高精度的純慣性導(dǎo)航多用于軍事航天領(lǐng)域。

由于單個(gè)傳感器存在不同缺陷且易受環(huán)境影響，采用不同傳感器進(jìn)行融合，在優(yōu)勢(shì)互補(bǔ)的同時(shí)提升系統(tǒng)的穩(wěn)定性[6]。同時(shí)近年來(lái)隨著深度學(xué)習(xí)技術(shù)的不斷突破，SLAM結(jié)合深度學(xué)習(xí)[7]可實(shí)現(xiàn)對(duì)場(chǎng)景的識(shí)別及語(yǔ)義分割等功能，完成智能移動(dòng)機(jī)器人對(duì)場(chǎng)景的高層次理解。因此目前的智能移動(dòng)機(jī)器人SLAM技術(shù)有著多傳感融合及結(jié)合深度學(xué)習(xí)2個(gè)發(fā)展方向。

在多傳感器融合方面，有著VINS[8]系列等經(jīng)典的多傳感器融合SLAM系統(tǒng)，通過(guò)視覺(jué)與IMU相結(jié)合的方式，能夠快速穩(wěn)定地構(gòu)建場(chǎng)景地圖。相較于單個(gè)傳感器的智能移動(dòng)機(jī)器人SLAM系統(tǒng)，能夠在復(fù)雜和退化場(chǎng)景中具有更好的抗干擾能力和穩(wěn)定性。

深度學(xué)習(xí)自2012年走上了快速的發(fā)展道路后，獲得了頗多的研究成果，這也引起了諸多行業(yè)科研人員的注意。將深度學(xué)習(xí)與智能移動(dòng)機(jī)器人SLAM技術(shù)相結(jié)合，既可用于實(shí)現(xiàn)傳統(tǒng)算法的特征匹配、回環(huán)檢測(cè)等功能，也可用于傳統(tǒng)SLAM技術(shù)結(jié)合深度學(xué)習(xí)進(jìn)行語(yǔ)義地圖建立。語(yǔ)義地圖建立是結(jié)合深度學(xué)習(xí)實(shí)現(xiàn)對(duì)場(chǎng)景中物體的目標(biāo)檢測(cè)與識(shí)別，如SOF-SLAM[9]等方案就很好地實(shí)現(xiàn)了實(shí)時(shí)語(yǔ)義地圖的建立，除可獲取場(chǎng)景中物體的空間分布和姿態(tài)信息外還可以得到物體功能等信息。

3" 應(yīng)用分析與展望

在機(jī)庫(kù)環(huán)境中部署SLAM系統(tǒng)完成智能移動(dòng)機(jī)器人的定位和場(chǎng)景的建圖，需要考慮機(jī)庫(kù)的實(shí)際情況和智能移動(dòng)機(jī)器人的具體需求及未來(lái)可能的需求。

在復(fù)雜的機(jī)庫(kù)環(huán)境中需要提供更多的環(huán)境信息用于智能移動(dòng)機(jī)器人SLAM技術(shù)，同時(shí)機(jī)庫(kù)環(huán)境中存在著大量的立體障礙物，智能移動(dòng)機(jī)器人在其中移動(dòng)時(shí)需要參照?qǐng)鼍暗娜S地圖，才能更為有效地避免碰撞，最后不能忽略的是機(jī)庫(kù)中因?yàn)榇嬖诖罅康慕袇^(qū)域，智能移動(dòng)機(jī)器人在移動(dòng)的過(guò)程中需要能夠識(shí)別和避讓。

對(duì)于現(xiàn)在常用的傳感器，單線雷達(dá)常用于二維柵格地圖并不能滿足機(jī)庫(kù)環(huán)境下智能移動(dòng)機(jī)器人的實(shí)際需求，而多線雷達(dá)造價(jià)極為昂貴并不適合車(chē)載移動(dòng)平臺(tái)的實(shí)際落地應(yīng)用。視覺(jué)傳感器具有采集信息豐富、價(jià)格便宜等特點(diǎn)，基于視覺(jué)傳感器的成熟三維地圖建立方案豐富，滿足機(jī)庫(kù)環(huán)境這種復(fù)雜場(chǎng)景下的智能移動(dòng)機(jī)器人SLAM需求，同時(shí)相機(jī)獲取的圖片信息在經(jīng)過(guò)深度學(xué)習(xí)的處理后可完成對(duì)禁行區(qū)域的識(shí)別，因此相機(jī)十分適合作為機(jī)庫(kù)環(huán)境下智能移動(dòng)機(jī)器人SLAM技術(shù)的傳感器。雖然以相機(jī)為傳感器可以實(shí)現(xiàn)在室內(nèi)環(huán)境中較為穩(wěn)定的狀態(tài)估計(jì)，但是相機(jī)也存在短時(shí)間內(nèi)的反應(yīng)不靈敏的問(wèn)題和運(yùn)動(dòng)過(guò)快易丟失跟蹤的缺點(diǎn)，為解決上述問(wèn)題可引入IMU實(shí)現(xiàn)互補(bǔ)[10]。表1對(duì)傳感器的優(yōu)缺點(diǎn)進(jìn)行了列舉，不難發(fā)現(xiàn)相機(jī)+IMU最為適配機(jī)庫(kù)環(huán)境下SLAM的實(shí)際需求。

智慧民航對(duì)作業(yè)與服務(wù)智能化的要求中對(duì)于智能機(jī)器人完成機(jī)庫(kù)環(huán)境下的自主移動(dòng)只是基礎(chǔ)要求，要想更進(jìn)一步還需要將人工智能技術(shù)應(yīng)用于移動(dòng)平臺(tái)上。引入以深度學(xué)習(xí)為基礎(chǔ)的圖像處理，可以有效提升機(jī)庫(kù)維修環(huán)境下智能移動(dòng)機(jī)器人的智能化程度，并且可以直接使用視覺(jué)傳感器獲取信息，可實(shí)現(xiàn)對(duì)獲取信息的重復(fù)利用。

針對(duì)機(jī)庫(kù)環(huán)境中具有的多種類(lèi)別的物品，我們可以通過(guò)深度學(xué)習(xí)進(jìn)行目標(biāo)檢測(cè)，來(lái)對(duì)場(chǎng)景中復(fù)雜的工具進(jìn)行劃分，如果搭配自然語(yǔ)言處理[11]相關(guān)技術(shù)便可以完成語(yǔ)音控制智能移動(dòng)機(jī)器人作業(yè)在機(jī)庫(kù)場(chǎng)景中對(duì)特殊物品的搜尋。圖像處理除了進(jìn)行物體識(shí)別外，還可用于進(jìn)行如步態(tài)識(shí)別[12]、吸煙識(shí)別等來(lái)檢測(cè)機(jī)務(wù)人員的行為是否符合規(guī)范，當(dāng)然自主智能移動(dòng)機(jī)器人還可利用深度學(xué)習(xí)的圖像處理技術(shù)完成場(chǎng)景內(nèi)的易燃物品泄漏及未知事物闖入[13]等危險(xiǎn)事件的監(jiān)測(cè)。深度學(xué)習(xí)應(yīng)用到可自主移動(dòng)的智能小車(chē)，有著豐富的結(jié)合點(diǎn)和發(fā)展方向。

4" 結(jié)束語(yǔ)

本文主要結(jié)合機(jī)庫(kù)的實(shí)際需求及現(xiàn)在智能移動(dòng)機(jī)器人SLAM技術(shù)的發(fā)展現(xiàn)狀，對(duì)機(jī)庫(kù)環(huán)境下智能移動(dòng)機(jī)器人所需的SLAM技術(shù)進(jìn)行分析和討論。得出在機(jī)庫(kù)環(huán)境中的智能移動(dòng)機(jī)器人SLAM技術(shù)應(yīng)當(dāng)選用IMU、相機(jī)、深度學(xué)習(xí)三者結(jié)合的結(jié)論。后續(xù)將在本文的基礎(chǔ)上，完成對(duì)機(jī)庫(kù)環(huán)境下三維語(yǔ)義地圖的建立，預(yù)計(jì)可以完成對(duì)場(chǎng)景中常見(jiàn)的航空工具及相關(guān)配件的識(shí)別與定位。在智能移動(dòng)機(jī)器人加裝機(jī)械臂之后，可根據(jù)定位信息完成對(duì)目標(biāo)物體的搜尋與抓取，將進(jìn)一步減輕機(jī)務(wù)人員的工作負(fù)擔(dān)。

參考文獻(xiàn)：

[1] 王瓊麗.維修機(jī)庫(kù)建筑設(shè)計(jì)的探究與應(yīng)用[J].居舍，2022（6）：166-168.

[2] 薛素鐸，王天柱.大跨度飛機(jī)場(chǎng)維修機(jī)庫(kù)研究現(xiàn)狀與展望[C]//第十七屆空間結(jié)構(gòu)學(xué)術(shù)會(huì)議論文，2018：665-670.

[3] 胡臻.機(jī)務(wù)維修人員疲勞風(fēng)險(xiǎn)指數(shù)研究[D].天津：中國(guó)民航大學(xué)，2017.

[4] 楊夢(mèng)雪，姚敏茹，曹凱.移動(dòng)機(jī)器人SLAM關(guān)鍵問(wèn)題和解決方法綜述[J].計(jì)算機(jī)系統(tǒng)應(yīng)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(nèi)移動(dòng)機(jī)器人的SLAM算法綜述[J].計(jì)算機(jī)科學(xué)，2021，48（9）：223-234.

[7] 趙洋，劉國(guó)良，田國(guó)會(huì).基于深度學(xué)習(xí)的視覺(jué)SLAM綜述[J].機(jī)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(jué)/激光雷達(dá)SLAM技術(shù)綜述[J].導(dǎo)航定位與授時(shí)，2022，9（4）：18-30.

[11] 尹寶才，王文通，王立春.深度學(xué)習(xí)研究綜述[J].北京工業(yè)大學(xué)學(xué)報(bào)，2015，41（1）：48-59.

[12] 朱磊，仝超，董亮，等.基于殘差網(wǎng)絡(luò)和注意力機(jī)制的步態(tài)識(shí)別算法[J].電訊技術(shù)，2022，62（12）：1722-1728.

[13] 鄒鵬，楊凱軍，梁晨.改進(jìn)YOLOv5的輕量級(jí)不規(guī)范駕駛行為實(shí)時(shí)檢測(cè)[J].計(jì)算機(jī)工程與應(yīng)用，2023，59（13）：186-193.