1 引言

随着城市地下空间的开发利用，地下管线已经发展成为城市的脉络，其安全性、稳定性、可靠性和运行效率关系到人们的正常生产和生活[1]，但随着城市的高速化发展，管线探测的环境也越来越苛刻，大管径城市雨污水深埋管道的探测一直是城市工程物探中亟需解决的难题。常规的浅层管线探测方法无法准确定位其位置和走向，故本文将无人机SLAM技术引入到大管径深埋管道的探测中，并分析其精度及可靠性，为该类管线的探测提供了新的思路。

近年来，无人机[1] (Unmanned Aerial Vehicles, UAV)技术得到飞速发展，因其具有空中悬停、 垂直起降、 操作灵活的优点，可以用来执行航拍、监测、测绘、运输和救援等工作，在诸多领域占据了重要地位[2]。即时定位与地图构建[3](Simultaneous Localization and Mapping, SLAM)方法由Smith和Cheeseman于1986年提出[4]，最早应用于移动机器人领域，是解决在未知环境进行定位建图问题的有效工具，能够实现自主定位和导航。随后，基于该技术方法的研究越来越深入，由此研发的设备产品也越来越多，例如搭载SLAM系统的无人机。

搭载SLAM引擎的无人机能够从未知环境的未知地点出发，在运动过程中通过重复观测到的环境特征定位自身位置和姿态，再根据位置构建周围环境的增量式地图，从而达到同时定位和地图构建的目的[5]。本文利用无人机SLAM技术的优点，降低作业难度的同时，也可在管道内部进行三维扫描，实现管道的三维立体建模及空间定位。

2 方法原理

无人机在管道环境下地图构建方法主要框架由四部分组成，即点云特征提取、里程计解算、雷达建图、位姿变换整合。

用一个状态向量来表示无人机在k时刻的位姿（位置和无人机朝向），表示的是第i个路标的特征值，表示无人机在k时刻对第i个路标的观测值，表示无人机从k-1时刻运动，并且在k时刻到达状态的运动控制向量。无人机在运动的过程中，就是依靠传感器获取的信息和自身的运动向量的信息来对状态信息求解的，从而实现位姿估计。SLAM算法的基本原理如图1所示。

图1 ：SLAM系统原理图[6]

SLAM问题的求解从数学的角度可以看成是在每个时刻k利用贝叶斯定律来求该时刻的无人机的状态和环境地图m的后验概率的问题。无人机状态解出后，相应地就能进一步地解决定位问题，环境地图解出则也可以进一步来实现构图功能。观测模型是传感器观测值的概率分布，它是用来表示当无人机位姿和路标位置已知的情况下的观测值的概率，用表示。而运动模型描述的是无人机的状态转变，从概率论的角度来讲的话，它是一个马尔可夫过程，也就是下一个状态仅仅依赖于上一个状态和运动控制向量，而与其他更早的状态和运动控制向量无关。它与观测值和地图环境信息是相互独立的，可用模型来表示。目前SLAM算法大多采用标准的两步递归预测（时间更新）校正（测量更新）的形式，可分别用如下两式来计算：

上两式中表示无人机在k时刻的位姿，表示无人机的初始状态，m表示地图信息，表示从开始到k时刻的所有观测值，表示从开始到k时刻的所有控制向量，表示k时刻的控制向量。

激光雷达 (Light Detection And Ranging, LiDAR) 作为环境感知器的SLAM算法称为激光雷达SLAM。激光雷达测量本机与环境边界的距离从而形成一系列空间点，通过帧间点集的扫描匹配进行位姿推算，并建立环境的点云地图。激光雷达的距离测量较为准确、误差模型较为简单，加之测量所得的点集能够直观地反映环境信息，所以激光雷达SLAM是一种发展时间长且较为成熟的SLAM解决方案。基于多线激光雷达的三维激光雷达SLAM可以构造三维点云地图，不仅在帧间匹配上拥有更多的匹配手段以及更好的鲁棒性，而且可以与物理模型、图像等信息进行融合，故拥有较高的定位精度以及较大的发展潜力[7]。

3 影响因素分析

将无人机应用到实际生产项目之前，为确定外界环境对无人机作业的影响，选取了3个项目14个已知节点进行试验对比，共完成管道三维扫描14处，井室建模19处。探测成果与已知资料对比结果如下：

表1  SLAM探测成果与已知资料对比结果

项目 节点 管线种类 管径 中心埋深 有效探测长度 最大探测误差 井室建模数量 井室探测精度

项目A A1 污水管 DN3000 11m 87m 10cm 2个 5cm

项目B B1 雨水管 DN2700 7m 115m 30cm 2个 5cm

项目B B2 雨水管 DN2700 7m 82m 10cm 2个 5cm

项目B B3 雨水管 DN2400 6m 53m 10cm 2个 5cm

项目C C1 雨水管 DN1600 4m 40m 5cm 1个 5cm

项目C C2 污水管 DN1200 5.5m 88m 20cm 2个 5cm

项目C C3 污水管 DN1800 3.5m 105m 30cm 2个 5cm

项目C C4 污水管 DN1400 6m 35m 10cm 1个 5cm

项目C C5 雨水管 DN1500 5m 60m 10cm 1个 5cm

项目C C6 污水管 DN3000 7m 114m 30cm 1个 5cm

项目C C7 污水管 DN3000 7m 55m 20cm 1个 5cm

项目C C8 污水管 DN2700 10m 75m 30cm 1个 5cm

项目C C9 污水管 DN2700 10m 53m 30cm 1个 5cm

下图为项目B节点B1中DN2700雨水管点云成果图。

图2：DN2700雨水管点云图

本次试验结果表明，采用无人机SLAM技术探测深埋大管径排水管道是可行的，且具有以下明显的优点：

（1）无人机SLAM技术探测深埋大管径排水管道效率高、精度高、结果直观清晰，飞行过程中画面即时同步，能够清晰分辨管道的连接关系；

（2）无人机从管道内部探测，对管道无损害，相较于传统的钻探验证，降低了作业风险；

（3）深埋污水管道探测涉及有限空间作业，探测风险大，无人机SLAM技术，能够在危险区域或复杂环境代替人类执行高难度的勘测任务。

但是，无人机SLAM技术也存在明显的缺点：

（1）无人机SLAM技术对作业条件要求非常严苛，无人机作业时需保证至少有1米的作业空间；

（2）无人机受自身载重限制，电池容量有限，单次有效飞行距离较短，长距离管道无法一次性完成探测。

（3）长距离探测会存在累积误差，距离越长，探测精度越低。

本次通过对已知的14个节点试验数据的分析，认为在满足作业条件的情况下，无人机SLAM技术是一种有效地探测大管径深埋管道的手段，且精度较高，为大管径深埋管线探测难题提供了一个有效的解决方案。

4 工程应用实例

上海市某市政工程位于一处地铁站附近，拟建一条连接地铁站的跨路人行天桥。根据收集的竣工图图纸，该位置存在DN3000雨污合流干管，管道中心埋深11m。该管道距离设计的人行天桥桥桩位置较近，为保证施工安全，需查明该污水管的准确位置，精度要求不大于0.5米。

本工程位于地铁出入口附近，车流量人流量大，前期并不具备封道施工条件，采用微动等地面物探方法或采用井中磁梯度法等井中物探方法并不具备作业条件。该管道为雨污合流干管，水流量非常大，虽然排水公司配合进行了降水工作，降低了水位，但水流量仍然非常大，不具备管道机器人探测条件。经方案研究及讨论后，最终拟定采用了无人机激光雷达SLAM技术进行探测。

外业作业选择在夜间车流量较少的时段进行，只对检修井的位置进行了小范围围挡，确保不影响交通。排水公司配合降水后，将无人机设备放入管道内，配置传输中继器，保障无人机在管道内的信号传输及稳定飞行。本次使用无人机搭载嵌入式激光雷达无间断地扫描周围环境以构建高密度点云图，对检查井井室结构、合流污水管道进行了三维建模，查明了管道准确的空间位置、走向及连接关系。无人机飞行轨迹及实时画面如图3所示。

图3：无人机轨迹及实时飞行画面

内业处理后，无人机SLAM点云数据展示，如图4所示。

图4：三维点云图

本段管道无人机有效飞行长度87米，比对无人机SLAM探测成果、竣工图纸、跟测成果，无人机SLAM探测成果平面位置与竣工图纸高度吻合，最大偏差仅为10cm。后期在施工进场具备作业条件时，在最大偏差处，选择采用井中磁梯度法（见图5）及钻孔触探法进行了探测验证，验证结果表明，竣工图位置准确，无人机SLAM探测误差约为10cm。本次在不具备钻孔作业条件的情况下，优先选择了无损、高效的无人机SLAM探测技术，为设计优化桥桩方案提供了依据。后施工进场后，采用了井中磁梯度法结合钻孔触探进行了验证，结果也证明了该方法的有效性。

图5：井中磁梯度法验证成果图

图6：无人机SLAM探测成果与其他资料对比图

5 结论

本文通过对3个项目共14个无人机SLAM技术案例的分析，证明了采用无人机SLAM技术探测大管径深埋管道是有效的，且探测精度非常高。

该技术可用于查清管道内壁的破损情况、探测井室的结构、尺寸和不规则的边界、精确定位管道位置。具有高效、安全、精度高的特点。但受限于电池技术，实际探测长度非常有限，且随着探测长度变长，累计误差变大，精度降低。在实际工程中运用该技术时，应注意根据工程规模特点、所处位置等情况综合考虑。

参考文献：

[1] 王勇. 城市地下管线探测技术方法研究与应用.吉林大学,2012.

[2] 夏进,姜子木,王成华,朱秋明.基于Matlab的无人机通信信道模型的设计[J].航空兵器,2019,26(05):69-76.

[3] 赵良玉,朱叶青,金瑞.多旋翼无人机单目V-SLAM研究综述[J].航空兵器,2020,27(02):1-14.

[4] 刘浩敏,章国锋,鲍虎军.基于单目视觉的同时定位与地图构建方法综述[J].计算机辅助设计与图形学学报,2016,28(06):855-868.

[5] Smith R C,Cheeseman P.On the Representation and Estimation of Spatial Uncertainty[J].The International Journal of Robotics Research,1987,5(4):56-68.

[6] 刘泽琳,张袁元,杨旺嗣,陆馨缘,顾家成,陈俊逸.基于SLAM的自主避障物流无人机系统设计[J].机电工程技术,2023,52(07):60-63+102.

[7] Durrant-Whyte H, Bailey T.Simultaneous locali-zation and mapping:part I[J].IEEE Robotics & Automation Magazine, 2006, 13 (2) :99-110.

[8]王常虹,窦赫暄,陈晓东等.无人平台SLAM技术研究进展[J].导航定位与授时,2019,6(04):12-19.DOI:10.19306/j.cnki.2095-8110.2019.04.002.

作者简介: 韩沙沙，1989年，男，浙江台州，本科，工程师，主要从事工程物探相关工作。