復雜排水隧洞無人機巡檢定位導航技術

0 引言

長江流域蘊含著豐富的水力資源，長江干流上相繼建成了葛洲壩、三峽、溪洛渡、向家壩等眾多大型水電站[1-2]，在能源供應等方面發揮著重要作用。排水洞是水電站的重要組成部分，承擔著將處理過后的水資源重新引入自然水系的關鍵任務，其對于水電站的正常運行和水資源循環起著不可或缺的作用。排水洞通常是以鋼筋混凝土為主體的幾何拉伸結構[3，內部網絡復雜，存在較多支洞。常年的水流沖刷和泥沙、垃圾堆積，會導致管道壁面出現沖擊坑、裂縫、滲水等問題，甚至導致管道坍塌，影響水流的正常排放。因此，對管道壁面的巡檢至關重要[4]

湖北宜昌某水電站排水洞長度約 2 000m ，環境惡劣，可能出現塌方、積水等安全問題。采用傳統人工巡檢方式開展排水洞檢查，時間長、效率低、費用高、難度高、安全風險大[5-6]。近年來，隨著機器人、無人機等技術的迅速發展，為各類復雜環境巡檢提供了新的可能[7-8]。在電力巡檢、城市車道線提取、大壩安全監測等眾多領域，無人機已經展示出其優勢[9-13]

該排水洞具有典型的復雜排水隧洞特征，隧洞環境封閉且無GPS信號覆蓋，隧洞內部常年處于弱光甚至無光條件，內部包含多個支洞和分叉，其結構通常為長且狹窄的幾何通道，橫截面寬、高 2～12m 不等。無人機需要精準應對隧洞內的障礙物等不利條件，航跡規劃面臨新的挑戰[14-15]，傳統的無人機導航系統難以在這種環境中保持高精度穩定飛行[16]

針對上述問題，本文提出一種針對復雜排水隧洞的無人機巡檢航跡規劃方法。首先利用單線激光雷達和雙目相機組成的多傳感器融合控制系統，通過解算雙目相機的位姿和實時獲取的激光雷達信息來估計偏航角，然后提出了一種識別并處理螺旋線形狀的方法，通過識別左右側點云進行支洞識別，避免偏移。

1 無人機巡檢方法

1.1 無人機偏航角估計

為了提高無人機在排水洞中的巡檢效率和安全性，提出一種自動尋找偏航角的方法。在無人機飛行過程中，利用單線激光雷達和雙目相機組成的多傳感器融合控制系統，通過解算雙目相機的位姿和實時獲取的激光雷達信息來估計偏航角。

在由單線激光雷達和雙目相機為主組成的多傳感器融合控制系統中，一方面，偏航角定位估計可基于雙目相機的位姿解算獲??；另一方面，目標點發布的偏航角估計則需綜合實時偏航角、激光雷達信息以及無人機自身位置信息來確定[17-18]。如圖1所示，無人機在飛行的過程中，需要根據實際的環境來實時調整自身偏航角，保證飛行安全。

在實際飛行過程中，由單線激光雷達的點云可實時獲得無人機在截面上的點云信息。假設存在一連串有序的形心集合，考慮到只需計算偏航角，故可以只考慮單線激光雷達左右兩側點云；或計算形心后，只考慮其兩側的坐標值。

以隧洞的軸向定義為 X 方向，即無人機的前進方向，如圖1中的虛線所示。同時，隧洞的橫向截面的水平左右方向被定義為 Y 方向。為了具體說明偏航角計算方式，本文以單線激光雷達掃描的截面點云為例（圖2）。偏航角的計算方法如式（1）所示。

式中： P_i（x_i，y_i，z_i） 和 P_i-1（x_i-1，y_i-1，z_i-1） 為無人機前后兩個相鄰位置的世界坐標系下的坐標值； θ_i 為 P_i 與 P_i-1 的連線與 X 軸的夾角，可以用它來表示偏航角； ω 為角速度； Ψ_tΨ_t 為時間。

考慮到空間立體結構通常是連續封閉結構，且涵洞、管道較少存在突變結構，可以根據公式（1）計算飛行過程中的前 n 幀形心信息來推測下一時刻的偏航角，即第 ⁿ⁺¹ 幀時的偏航角。

由式（1）的第一個公式可以將形心點集轉化為偏航角的集合 θ₁，…，θ_n-1∈θ} ，共 n 個偏航角。根據均值估計，前 n 個點的權重一致時，第 n 個點處的平均偏航角 θ_n-1 可以表示為

傳統的同權重估計方法為簡化計算，假設所有因素的權重相等。然而，在復雜環境中，這種假設往往無法真實反映影響因素的重要性，可能導致較大偏差。例如，在無人機巡檢中，隧洞內不同區域的結構復雜性和障礙物分布各異，簡單地對所有傳感器數據賦予相同權重，可能忽略了某些關鍵區域的特殊需求，導致導航精度下降。例如，隧洞的拐彎區域由于幾何復雜性較高，對傳感器數據的依賴性也更強，但同權重估計可能稀釋這些區域的數據，從而產生偏航角估計的誤差。

當偏航角發生變化時，變化瞬間的偏航角應該賦予更大的權重，越接近當前時刻的偏航角，其權重應該越大。因此，將前 n 個形心的權重設為一致時，會出現前 n-1 個點稀釋第 n 個點偏航角的問題，見圖3。

當無人機位于 A 位置時，其后續的偏航角應該為A 位置的偏航角 θ_k ，但若采用同權重的估計方式，則偏航角的角度會被弱化為 ，且當k值越大，即當納入考慮的形心數據越多時，其估計值和真實值的偏差會越大。

為了解決同權重所帶來的問題，本文對同權重的方法進行優化，將式（2）改寫為式（3）的動態加權偏航角估計法：

θ_n-1=a₀θ_n-2+a₁θ_n-3+a₂θ_n-4+…+a_n-2θ₀

其中，權重系數 （a₀，a₁，…，a_n-2） 滿足以下條件：

在實際飛行的過程中，期望偏航值和實際偏航值之間不可避免會出現偏差。假定 θ_p 表示期望偏航值，θ_r 表示實際偏航值，則二者差值 θ_d 可以表示為

θ_d=θ_r-θ_p

為了使預計值更為貼近實際值，可以將 θ_d 作為負反饋加入整個偏航角的預計系統中，如圖4所示。

則整體的預估表達式可以寫為

1.2無人機高速飛行的螺旋線識別

當無人機沿某一方向高速直線運動，且激光雷達采用單線激光雷達時，如果無人機的前進方向速度和單線激光雷達的掃描線轉速的差異較大，激光雷達所形成的一圈點云信息將不會形成一個閉合的圓，而是形成一個在前進方向有明顯差異、螺旋前進的螺旋線形狀，如圖5所示。

假設無人機的飛行速度為 v ，激光雷達的掃描角速度為 ω 。在規則的拉伸幾何體（如圓柱形管洞）中，螺旋線的間距可表示為

當 v 和 ω 的差異增大時，螺旋線的間距 Δx 也會顯著增大，從而加劇點云離散化的現象。此時，如果隧洞幾何形狀發生變化（如出現垂直支洞或彎道），點云分布的不規則性會導致形心計算位置的偏移。

以支洞場景為例，若激光雷達右側的點云數據受支洞干擾，導致形心計算位置右偏，可能引發無人機向支洞方向偏移并產生潛在碰撞風險。因此，需結合實時點云數據進行離群點篩選。

本文提出了一種識別并處理螺旋線形狀的方法，以確保無人機在高速飛行時的安全性。如果實際的飛行環境是一個規則的拉伸幾何體，例如圓柱、立方體或者其組合體等，螺旋線并不會帶來危險，但一旦某一側出現支路或者變寬（圖6），尤其是當出現垂直于前進方向的支路時，可能會導致部分點云數據丟失、異常。

在隧洞環境中，本文基于空間位置的點云求取幾何結構的形心，從而獲得下一時刻的無人機自標位置。無人機在下一時刻的期望位置與四周的瞬時點云信息直接相關。假設在某一時刻，右側出現垂直支路，在支路交界處由于無人機向前高速移動，導致右側的點云有 個點是進入支路之前，有 個點是進人支路之后。此時無人機正處于交接處，機身并未完全越過支路段。對激光雷達而言，此時得到的左右方向上的形心位置 為

此時，由于支路 n₂ 個的點云影響，無人機會出現高速向右側移動的情況，當無人機此時并未完全進入支路段、隧洞內徑通常又很小時，容易導致無人機尾部和支洞交接相撞，出現炸機危險。

在點云數據存在異常的情況下，篩選出支路點云對于優化形心位置、保證無人機飛行安全至關重要。如圖5所示， X，Y，Z 表示空間坐標系的坐標軸，藍色虛實線代表單線激光雷達的掃描線， P₁ 和 P₂ 分別表示t₁ 和 t₂ 時刻的點云位置， R₁ 和 R₂ 表示兩時刻的激光雷達掃描點云半徑。當初始位置 P₁ 、前進平均速度 和掃描線的角速度 w 已知時（在巡檢過程中，無人機始終沿隧洞軸向 X 軸方向直線運動），如果無人機在規則的幾何結構中飛行，則必須滿足：

式中： ε 是設定的閾值，用于判斷點云半徑變化的合理范圍。當計算的半徑差值超過該閾值時，認為點云數據可能存在異常，不能直接用于形心位置計算。本文從隧洞設計圖紙中獲得實際半徑 R 為 1.25m ，作為參考標準。

在這種情況下，可通過無人機當前位置估算下一時刻的位置，并通過與實際位置的比較篩選出異常點?；趦蓚€時刻的時間 t₁ 和 、前進平均速度 和隧洞的設計半徑 R ，結合 t₁ 時刻的形心信息和點云位置信息，可建立以下預測 t₂ 時刻螺旋線點云理論位置的公式：

式中： x_t1 表示在 ?_t1 時刻螺旋線點云在 X 軸方向上的位置， x_t2 表示在 ?_t2 時刻螺旋線點云在 X 軸方向上的預測位置； 表示無人機在從 t₁ 到 t₂ 的時間間隔內，在 X 軸方向上的平均前進速度; y_t1 和 |z_t1 分別表示螺旋線點云在 ?t₁ 時刻的 y 和 z 坐標， y_t2 和 |z_t2 分別表示螺旋線點云在t₂ 時刻預測的 y 和 z 坐標； y₀ 和 z₀ 表示在 ?_t1 時刻隧洞的形心點坐標， y₀^′ 和 |z'₀ 表示在 ?_t2 時刻隧洞的形心點坐標。

在巡檢過程中，無人機始終沿隧洞 X 方向直線運動，且隧洞形心不發生偏移，則可簡化為

根據公式（8）和（9），可計算出 t₂ 時刻的螺旋線點云理論位置 （x_t2，y_t2，z_t2） 。將計算得到的螺旋線點云理論位置與螺旋線點云實際位置進行比較，可以判斷點云數據的有效性。若兩者的歐式距離超過設定的閾值，則認為該點為異常點。為簡化計算，可將三維坐標轉換為極坐標形式，并結合激光雷達的旋轉角速度 w 進一步將公式（8）簡化為

在極坐標下，螺旋線點云的理論位置可表示為

在計算出 t₂ 時刻的理論位置后，將其與 t₁ 時刻的實際位置進行比較。當兩者間的歐式距離超過閾值時，即可判斷該點為異常點。如異常點數量超過設定上限，則表明點云數據不可用，此時不應繼續使用形心作為目標點，需采取其他策略以確保無人機的安全飛行。

值得注意的是，螺旋線的形成是由無人機高速運動與激光雷達掃描角速度差異引起的，是硬件固有問題，難以通過算法進行優化。針對該問題，只能通過識別異常點云并評估其分布數量，根據不同的場景條件，調整目標點的選取策略，以確保無人機能夠高效、安全飛行。

1.3 支洞識別方法

當異常點的數量大于一定數自時，異常側的點云將不具備有效性，此時將形心作為目標值不再合適。需要針對支洞進行識別來計算下一時刻的期望位置，并進行導航。本節介紹實際工程中的左右支洞，通過點云信息的變化來識別支洞并調整無人機的飛行路徑。在左右點云均有效的情況下，可以直接利用點云信息計算形心位置。在一側點云失效的情況下，采用另一側有效點云作為參照，確保無人機安全通過支洞。

在左右點云均有效的情況下，此時螺旋線等價于在一個截面恒定的立體結構中沿軸線運動，因此兩側點云可以直接利用。無人機運動方向是沿隧洞的軸向（ X 方向），單線激光雷達掃描的橫向Y，Z方向上的點云投影是一個正圓，如圖5所示的螺旋線點云投影到YZ 平面就是一個圓，圓心即形心。

在一側點云失效的情況下，此時螺旋線的投影不再是一個正圓，而會在一側出現突變，如圖6（a）所示的右側墻壁突然變寬。因此，在這種情況下的右側點云不能再被用來求取形心作為下一時刻的目標點位置，而是將左側有效點云一側作為參照，使下一時刻的目標點的 y 值（距離有效點云一側）為洞寬的一半，使無人機不受到無效點云一側的干擾。

在兩側點云都失效的情況下，兩側激光雷達的點云都變寬，在實際場景中表現為十字路口。此時兩側點云均不能作為目標點的依賴值。

無人機在飛行過程中具有一定的慣性，即當前位置和方向的變化依賴于上一時刻的狀態。在無人機飛行過程中，慣性效應意味著如果沒有強烈的外力（如氣流或碰撞），其位置和方向的變化通常是連續的。上一時刻目標點的 y 值代表了無人機在隧洞中心位置的橫向偏移量（即沿隧洞的左右位置）。當兩側點云丟失時，無法從實時數據中獲得準確的空間位置，然而，基于慣性原理，上一時刻的目標點 y 值仍可以作為參考，因為在短時間內，飛行的軌跡不會發生較大變化。

隧洞通常是連續的幾何結構，即其幾何形狀在大多數情況下是穩定的、可預測的。無論隧洞是直線、曲線還是帶有支洞的結構，其幾何性質在短時間內通常是連續的。在隧洞存在支洞的情況下，支洞通常會出現在隧洞的某一側，并且支洞入口通常是垂直于隧洞主方向的。如果無人機的位置保持在隧洞的中心線上，支洞區域兩側的點云丟失不會導致飛行路徑的劇烈偏移。上一時刻的 y 值已經充分反映了隧洞中心的橫向位置，保持該值能夠確保無人機在隧洞內的飛行穩定。

因此，利用上一時刻目標點的 y 值作為當前目標點的 y 值，并記錄當前形心的 y 值，當形心 y 值穩定時，可以認為無人機已經進入了一段新的穩定的洞道，并將改變后的形心 y 值作為無人機的目標位置，避免無人機出現“撞墻”事故。整體判斷流程如圖7所示。

1.4 方法優勢

傳統的無人機巡檢系統通常依賴單一的傳感器，如慣性測量單元（IMU）或全球導航衛星系統（GNSS）。然而在復雜環境中（如隧洞），GNSS信號缺失，而IMU在長期飛行過程中會累積漂移誤差。該研究提出的多傳感器融合系統，結合單線激光雷達與雙目相機，通過多源數據的互補性，可以有效克服單一傳感器的局限性，提高定位精度，進而提升整體的巡檢精度。

通過融合雙目相機的位姿解算與激光雷達的實時數據，能夠精準估計偏航角。不同于傳統方法依賴簡單的慣性測量，本文提出的偏航角預測算法基于多幀形心數據，采用加權反饋控制，能夠有效應對洞道復雜幾何結構的影響，從而實現更精確的姿態控制與導航。

本文提出的螺旋線識別方法，可以有效解決激光雷達高速掃描過程中因速度與旋轉差異產生的點云誤差。通過幾何形心計算與點云篩選，能夠準確識別并排除離群點，確保無人機在高速飛行過程中保持穩定，減少點云變形，提高建模精度。

本文提出的多傳感器融合方法，通過激光雷達與雙目相機的互補使用，增強了無人機在復雜環境下的適應能力，尤其是在光線變化劇烈、隧洞內部結構復雜的情況下，能保持高精度飛行。

通過偏航角反饋機制和螺旋線形狀識別，該系統能夠在突發情況下進行自適應調整，提升導航和避障的可靠性，減小因環境干擾導致的飛行偏差和撞機風險。

在實際檢測中，無人機智能巡檢可分為以下3種模式：

（1）定期檢測模式。無人機可在廊道內執行周期性巡檢任務，捕獲廊道內部的高清圖像和激光掃描數據，確保工程結構的安全性和可靠性。（2）響應模式。在面對緊急異常情況或事故時，無人機能夠迅速介人，通過高效的巡檢手段降低人工檢測的安全風險，確保事故的快速響應和有效處置。（3）遠程監控模式。借助實時數據傳輸技術，無人機可實現長時間、遠距離的持續監控，為水利水電工程的運行與管理提供即時數據支持。

上述應用模式可以顯著提高巡檢效率，減少人力投入和時間成本，同時降低復雜環境下的安全風險。

2 試驗與結果分析

2.1 試驗環境

選取湖北省宜昌市某水電站的廊道作為試驗環境。該廊道具有一定的復雜性，其洞寬僅為 2.5m ，內部雖配備簡單燈光設備，但環境特征仍顯單一，特征點較少，并且存在顯著的明暗交錯現象。此外，由于洞內結構設計需要，還存在支洞、直角彎段、斜彎段、上下坡樓梯等復雜地形環境。如圖8所示，無人機的飛行環境中：壁面特征較少、場景較為單一，部分區域昏暗，對于相機識別和定位造成一定影響；地形結構復雜，無人機的實時控制、避障、安全穩定的飛行相對困難。

以該環境為基礎，無人機的整體飛行流程如下：在樓梯下端盡頭起飛，樓梯長 18m ，高 8m ，坡度約為25^° 。飛到樓梯頂端后直行 3m 距離，連續經過2個直角轉彎，然后進人下一段長直路；直路飛行過程中，右側存在支洞，飛過支洞后再飛行小段距離降落。以無人機起飛時的機頭方向為 x 的正方向，重力的反方向為 z 的正方向，無人機左側為 y 的正方向。通過試驗數據分析無人機在全自動飛行的過程中的速度、位置、偏航角等關鍵參數變化，并對其目標位置和實際位置進行誤差分析。

2.2試驗參數選擇

飛行速度需考慮無人機飛行效率與圖像采集質量。高飛行速度可以提高工作效率，但速度過高可能導致相機拍攝的圖像模糊，從而影響圖像質量和重疊度。為了避免圖像模糊并保證數據的質量和重疊率，速度選擇為 0.86m/s 。該速度可以在提高飛行效率的同時，保證圖像采集的質量。如圖9所示，試驗中隧道寬度為 2.5m ，假設無人機相機與隧洞墻壁的距離為 1.25m ，且相機的視場角為 120^° 。根據GB/T18316-2008 《數學測繪成果質量檢查與驗收》和GB/T24356-2023《測繪成果質量檢查與驗收》的標準，隧洞內每個點的航向重疊率不小于 53% 。為了提高三維重建的精度，該研究將航向重疊率提高至67% ，確保隧洞內每個點在航向順序上至少被3張圖片捕捉。

基于該要求，計算出無人機前進 1.43m 采集一幀圖像，飛行速度設置為 0.86m/s ，使得無人機在前進1.43m 時需要約 1.66s 。相機的幀率設置為30幀/s，此時，拍攝的圖像幀數 n 可以通過以下公式計算：

考慮到質量不是始終穩定的，程序可以在這50幀符合重疊度要求的圖像中篩選出質量較好的圖像進行檢測或三維重建，從而提高整體圖像檢測精度和三維重建效果。

除飛行速度外，還考慮了激光雷達掃描頻率和雙目光學等其他試驗參數的影響。試驗中使用的單線激光雷達為思嵐A2，其掃描頻率固定為 10Hz ，且不可調節，因此激光雷達的掃描頻率不會對系統性能造成影響。在雙目相機方面，本研究使用了T265相機，主要用于補充定位，尤其是在亮光環境下進行圖像采集。由于T265相機的作用主要是輔助定位，而不是作為圖像處理的核心單元，其參數（如視場角、幀率等）對圖像質量和三維重建精度的直接影響較小，因此雙目鏡頭的參數對試驗結果的影響十分有限。

綜合來看，激光雷達的掃描頻率和雙目相機的參數對該研究試驗結果的影響并不顯著。該研究的重點是無人機的定位與導航系統，其他參數對試驗結果的影響較小。因此，這些參數對于系統的整體性能和試驗結果的貢獻是有限的。

2.3 試驗結果

如圖10所示，在全局飛行的過程中，無人機在X，Y，Z 方向上，位置均處于勻速變化或小范圍波動狀態，沒有出現大尺度的波動和漂移，其數值和趨勢均符合管道模型。在實際飛行過程中觀察可以看到，整體的飛行平穩，偶爾會由于洞寬帶來的小空間風速增大的影響而出現 20cm 左右的波動，屬于可接受范圍。

如圖10（b）所示，在全局飛行過程中，無人機的飛行曲線通過三維圖像表示，符合整體的空間模型，且曲線整體平穩，沒有出現大范圍的波動或回退，整體的運行效果符合建模和最初的預期。

在實際飛行的過程中， X 方向的運動主要是通過步長來控制，故該方向上的位移擬合曲線屬于等斜率曲線，即當該方向上有變化時，該方向上的曲線斜率應該是統一的，從圖10（a）觀察， X 方向曲線的形式和理論分析貼合程度較高。 δ_Y，Z 方向上，無人機的位置主要通過隧洞墻壁的激光雷達點云計算，近似處于中心位置。

通過整段無人機巡檢后，最終形成的點云效果如圖11所示。從點云建模可以看出，無人機飛行中的定位效果優秀，點云建模并未出現變形、錯亂。

對隧洞點云前后兩段相應的位置、速度、偏航角等數據進行分析處理。圖10世界系下的無人機飛行曲線如圖11中的黃色箭頭直線所示。對圖11的樓梯結構進行相應的位置曲線分析，通過圖12可以看到，在運動曲線上，Y方向的位移較小，前后變化不超過 1m 。對于 Z 方向的位置曲線，無人機在大約 60s 的爬坡之后進人了平直段。運動曲線證明了利用墻壁估計形心并以此來控制無人機位置的合理性。

圖11后半段飛行的點云建模見圖13，其運動曲線如黃色箭頭直線所示。除正常直線運動產生的點云外，從 ^A，B 兩處可以清晰看到無人機定點所帶來的點云旋轉的效果，該處點云重疊效果符合真實隧洞的結構特征，未出現變形與錯位。在經過 B 點之后，通過一個右側支路，由于支路較長，除近處的少量點云外，遠距離點云出現了丟失的情況，但無人機的運動并不受支洞的影響。無人機在 ^A，B 兩點處的偏航角變化曲線如圖14所示。

對于后半程而言，支路環境是特殊且未出現過的場景，以圖15為例，在飛行的 113～120s 期間，其廊道右側出現支洞，此時激光雷達右側的點云失去有效性，但在形心計算上，右側的點云會導致形心右偏，該情況符合1.2節中螺旋線問題的分析。從運動的目標位置和實際位置來看，兩條曲線沒有出現波動，且和左側壁面距離保持恒定，也符合此類支洞情況的處理方法，滿足試驗和算法預期。

在工程實際中，一般要求偏航角最大誤差控制在15^° 以內。位置誤差控制在 25cm 以內，巡檢時間控制在 20min 以內。上述試驗結果顯示：無人機在飛行過程中偏航角最大誤差控制在 12^° ，且能快速回正并穩定在期望偏航角度，位置誤差控制在 20cm 以內，巡檢時間約 17min ，滿足工程實際要求。試驗結果表明，本文提出的方法能夠有效識別偏航角和螺旋線形狀，確保無人機在復雜隧洞環境中安全飛行。

2.4 作業精度評價

為防止無人機在作業過程中與隧洞壁面產生碰撞，無人機在數據采集時需要與墻面始終保持一定安全距離，避免在隧洞轉彎與升降處的撞擊風險。此外，為了保證無人機有足夠電量飛行一整個來回，單次作業時間需要控制在 20min 以內，同時考慮到飛行的穩定性并且降低對采集圖形的模糊影響，飛行速度設置在 0.86m/s 連續作業。影像處理的精度要求上，需要滿足單幅圖形像素不低于 1920×1080 ，表面缺陷識別精度達到毫米級。

綜合以上條件，使用該定位導航技術，無人機在作業時采集到了穩定清晰的隧洞視頻，通過視頻抽幀得到連續的隧洞圖片。在此基礎上，使用配套的三維建模算法，可以生成完整的隧洞三維模型；使用配套的缺陷檢測算法，可以識別壁面的裂縫、滲水等缺陷。如廊道起點處（圖16（a））和廊道上升階段（圖16（b））圖片可見，畫質清晰，光線明亮，滿足圖像后期處理、缺陷檢測和三維重建的圖形質量要求。

圖16相應的三維建模模型效果如圖17所示，建模效果良好，整體效果比較清晰，在一些細節處有一定程度的模糊，但不影響整體建模效果和重要圖形特征的觀察效果。該項目三維重建算法所得三維重建圖像的峰值信噪比（PeakSignal-to-NoiseRatio，PSNR）為21.08，滿足項目要求 （?20） ）。

基于某張原始圖像（圖18（a））所提取的壁面缺陷（滲水）分析結果見圖18（b），其清晰展示了墻面滲水的詳細情況，驗證了影像數據在后期處理的可靠性和精準性。項目要求算法準確率在 95% 以上，通過無人機采集的圖像準確率可達 96.5% ，滿足項目要求。

2.5 應用前景與局限性分析

在復雜排水隧洞的高效檢測與維護中，無人機智能巡檢技術展現出廣闊的市場需求和應用潛力。無人機能夠在復雜的水電站環境中實現精準操作，成為檢測中不可或缺的技術工具。在巡檢過程中，無人機可以實時采集隧洞內的位置數據和周圍環境數據，為后續的維護和修復提供參考。

在巡檢周期與經濟性方面，水電站廊道巡檢頻率依據運行的管理需求確定：重要廊道每周1次，普通廊道每月至少1次。因廊道長達數十公里，人工巡檢需全員出動，存在效率低、質量波動、記錄缺失等問題，特殊工況時頻率需增至每周2次。以某重要廊道為例，單次人工巡檢需20人/d（不含數據分析），全年超80次，人工成本達60.8萬元。無人機巡檢可實現遠程數據復核，減輕負擔的同時提升作業精度，其積累的影像數據還可進行變化過程對比分析，強化巡檢效果。全面應用無人機技術不僅能降低 60% 人力成本，更能實現精準高效的常態化巡檢，具有長期顯著的經濟效益。

在安全性層面，無人機技術通過高清影像識別廊道表面裂縫、滲漏等缺陷，結合歷史數據對比分析缺陷演變趨勢，有效延長水電站的大壩壽命并提升安全效益。長期積累的數據還可支撐綜合效益評估，強化全生命周期管理。

但是，該技術在當下水利場景應用仍存在挑戰，如：復雜環境（弱光、紋理稀疏、衛星信號屏蔽等）易導致定位偏差，水電站廊道場景需突破數據傳輸與路徑規劃瓶頸；極端天氣下飛行穩定性與數據可靠性需強化；同時設備成本與操作專業化門檻較高。建議通過多源融合導航算法優化、抗干擾通信技術研發及自動化系統升級來提升環境適應性，配合標準化操作培訓降低人為誤差。

此外，無人機操作員的技術水平與系統運行效果密切相關，因此應通過加強操作員培訓、優化操作流程，以及研發自動化程度更高的無人機系統，減少人為因素對系統穩定性和數據質量的影響。

綜上所述，無人機技術在水利水電工程中的應用，能夠在巡檢效率提升、人工成本減少、安全性提高以及數據采集優化等方面帶來顯著成效。然而，其在復雜環境適應性、成本控制、飛行穩定性等方面仍存在技術瓶頸。隨著技術的不斷進步和應用的深入，無人機將在水利水電工程的運行管理和維護中發揮越來越重要的作用，為行業發展注入新的動力。

3結論

本文提出了一種基于單線激光雷達的無人機排水隧洞巡檢方法，通過隧洞形心自動識別偏航角和拐彎分叉，有效避免支洞干擾，確保無人機在復雜的隧洞環境中實現高效、安全的巡檢。復雜試驗場景的全局飛行三維曲線圖和隧洞點云建模結果表明，該方法在提高無人機巡檢效率和安全性等方面具有顯著優勢。該研究成功完成了封閉空間內無人機飛行的組合導航系統設計與平臺搭建，為復雜排水隧洞巡檢提供了可行的技術方案。但是，由于研究深度有限，時間不足等原因，仍有不足之處待進一步完善：

（1）受限于現有系統和個人無人機飛行水平，現有的飛行速度最高達到 1.5～2.0m/s 左右，其算法在更高速環境下的有效性還需進行更多的實驗，算法的普適性有待完善。（2）整體多傳感器融合的無人機控制系統測試環境較少，針對各類型洞道的試驗不足，需在現有功能實現的基礎上深入完善開發。

該方法解決了目前技術所存在的隧洞內依賴純視覺導航的無人機發生偏移與在支洞情況下發生偏移的問題，相關成果成功運用于該項目的實際巡檢作業。該研究不僅顯著提高排水隧洞的巡檢效率和安全性，也為類似復雜大型隧洞的無人機監測技術提供參考。

參考文獻：

[1] 劉兆孝，李紅清，楊寅群，等.長江流域水利水電工程與河湖健康保護研究［J].水利水電快報，2020，41（1）：67-72.

[2] 萬文華，梁雪容，鄭航，等.中國水電站數據庫構建、驗證與定量分析[J].水利水電技術（中英文），2022，53（12）：185 -195.

[3] MAOY，ZHANQ，YANGL，etal.Themotionestimationofunmanned aerial vehicle axial velocity using blurred images[J].Drones，2024，8（7）：306.

[4] WEIZ，WANGD，XUH，etal.Clarifyingtheeffectivenessofdrainage tunnelsinlandslide controls based on high-fre-quencyin-site monitoring[J].Bulletin ofEngineering Ge-ologyand theEnvironment，2020，79（7） ：3289-3305.

[5] 李嘯嘯，馮永祥，儲兆偉，等.水電站水工巡視檢查工作的改進[J].大壩與安全，2022（6）：10-16.

[6] 吳月超，鄭南軒，蘇華佳，等.面向智能水電站的在線監測狀態實時自動巡檢方法與應用[J].電力系統自動化，2017，41（9） ：123-129.

[7] 陶于金，李沛峰.無人機系統發展與關鍵技術綜述[J].航空制造技術，2014（20）：34-39.

[8] 周建國，趙思琦，史波，等.基于測量機器人的大壩外觀監測精度影響因素研究[J].人民長江，2022，53（9）：115-120，162.

[9] 彭向陽，劉正軍，麥曉明，等.無人機電力線路安全巡檢系統及關鍵技術[J].遙感信息，2015，30（1）：51-57.

[10] 王秋生，賀云濤，張曉輝，等.基于無人機航拍圖像的車道線檢測方法綜述[J].無人系統技術，2019，2（5）：9-16.

[11] 潘紹林.基于單鏡頭無人機的勝天水庫大壩測繪[J].水利水電快報，2024，45（1）：23-27，38.

[12] 魏工哲，周浩，池曉壯.無人機攝影測量在丹江口大壩庫區地形測量中的應用[J].水利水電快報，2023，44（12）：31-35.

[13] 趙薛強，凌峻.無人機自動巡檢智慧監控系統研究與應用[J].人民長江，2022，53（6）：235-241.

[14] ZHANGR，HAOG，ZHANGK，etal.Unmanned aerial ve-hicle navigation in underground structure inspection：A re-view[J].Geological Journal，2023，58（6）：2454-2472.

[15] ZHANQ，ZHO，Y，ZHANGJ，etal.A novel methodformeasuring center-axisvelocity of unmanned aerial vehiclesthrough synthetic motion blur images[J].Autonomous In-telligentSystems，2024，4（1）：16.

[16] 王瓊，劉美萬，任偉建，等.無人機航跡規劃常用算法綜述[J].吉林大學學報（信息科學版），2019，37（1）：58-67.

[17] 陳普華，宋建梅，黃嵐.基于視覺的飛行器偏航角和位置估計與控制[J].兵工自動化，2015（11）：57-61.

[18] 王繼紅，吳伯彪，張亞超，等.視覺和慣導信息融合小型無人機位姿估計研究[J].中國測試，2021，4（11）：134-140，152.

（編輯：高小雲）

Positioning and navigation technology for UAV inspections in complex drainage tunnels

MAOYedong1，YANGLinchuan2，ZHANQuanxi2，HUANG Hao2，SHEN Runjie2 （1.ChinaYangtzeoerod.gna；.egeofletrocdIotionEgineingongUit Shanghai 201804，China）

Abstract：Inorder to improve the eficiencyandaccuracyof unmannedaerial vehicle（UAV）inspections in complex drainage tunnel environments，we proposeda multi-sensor fusion UAV inspectionsystem that integrates a single-line LiDAR and a binocular camera.The system achieved stable navigation and eficient inspection in complex pipeline environments byautomatically identifying yawanglesand tunnel geometric features.Experiments wereconducted inthe drainage tunnels ofa hydropower station in Yichang，Hubei Province，where the UAV equipped with the proposed system performed inspections.Theresultsdemonstrated thatwith theapplicationof this technology，thepositioneror wasmaintained within 2O cm at a flight speed of 1.5～2.0m/s ，and a high-precision tunnel point cloud model was successfully constructed through images captured bythe UAV.Compared to traditional UAV inspection methods，the proposed system significantly improved inspectionacuracyandnavigation stability.This studycan provide efectivetechnicalsupport for inspections in complex tunnels within hydropower engineering projects.

Key Words： drainage tunnel; UAV inspection； single -line LiDAR;binocular camera；yaw angle estimation;turn recognition