博文

2024最佳论文 | 一种用于基础设施检查和重建的分层多无人机协作框架

已有 321 次阅读 2025-6-30 09:27 |个人分类:文章推荐|系统分类:博客资讯

本次分享的是 “A hierarchical multi-UAV cooperative framework for infrastructure inspection and reconstruction (一种用于基础设施检查和重建的分层多无人机协作框架)”。文章获得了2024年度CTT最佳论文奖。

作为一种新兴技术，多无人机协作已广泛应用于军事和民用领域，如军事活动中的区域监视、遥感和目标打击，民用领域中的输电线路巡检、快递配送和搜救与救援等。其深远的应用价值，引起了学界和产业界的广泛关注。随着城市的发展，过时建筑越来越多，建筑物倒塌事件更加频繁。定期的检查和维修工作有利于建筑健康和城市安全，也是必不可少的。这些检查工作通常要求工人进入危险且难以进入的区域，易造成安全事故。无人机技术的日益成熟，在许多紧急场景中，无人机在整个检查过程中高效、安全地收集数据方面发挥着至关重要的作用(如红外图像、光学图像等)。如何利用多无人机协作技术解决建筑物检修问题？该过程中会有哪些技术难点亟需攻克？本文将围绕这一问题展开深入讨论。

A hierarchical multi-UAV cooperative framework for infrastructure inspection and reconstruction

一种用于基础设施检查和重建的分层多无人机协作框架

Chuanxiang Gao, Xinyi Wang, Xi Chen, Ben M. Chen

机构：香港中文大学

引用信息：Gao, C., Wang, X., Chen, X. et al. A hierarchical multi-UAV cooperative framework for infrastructure inspection and reconstruction. Control Theory Technol. (2024). https://doi.org/10.1007/s11768-024-00202-0

全文链接：https://rdcu.be/dByhZ

摘要

无人机正在成为大型和非结构化3D基础设施检查和维修工作的强大工具，但目前的方法需要很长时间才能覆盖整个区域。在大规模和集群环境下，利用无人机进行巡检和维修工作的规划亟需提高时间效率。本文提出了一种分层多无人机基础设施巡检与重建协同框架，以平衡工作量、缩短整体任务完成时间。所提出的框架包含探索阶段和开发阶段，依序完成任务。在探索阶段，根据无人机的可重构性和相对位置，开发密度图更新全局和局部信息，进行动态负载均衡区域划分，并使用基于voronoi的规划器使无人机到达最佳区域。在获得全局地图后，考虑到每架无人机的电池容量，生成并划分视点。接着，采用最短路径规划方法，使各视点的总行程成本最小，从而获得高质量的重建结果。在仿真和真实环境下进行了实验，验证了该方法的时效性、鲁棒性和有效性。最后，对整个系统进行了实际应用。

引言

对于使用单个无人机实现建筑检查的结论已取得了诸多进展，如将检查路径规划转化为求解旅行商问题方法、基于目标建筑物信息的遗传算法、基于重建点云和潜在覆盖区域的实时路径规划方法等。需要指出的是，这些结论虽使用单个无人机可以完成检查任务，但需要很长时间才能完成整个建筑的检查。

为了给3D建筑模型提供快速、高质量的数据，可使用多架无人机进行检查和重建模型，以克服任务复杂性并提高时间效率。现有的关于路径规划的结论要么基于离线生成视点和路径，要么需要飞行前、谷歌地球或开放数据集的初始模型。然而，在诸多实际应用中，建筑物和周围环境的3D模型无法提前获取。因此，设计一种能够快速获取目标建筑和环境信息的探测方法变得尤为重要。

近期，越来越多的研究人员专注于使用多架无人机自主探索未知环境并到达其最佳区域。更具体地说，许多解决方案倾向于使用单元分解方法来减少每个无人机的工作量，并实时执行完整的覆盖任务。最流行的方法是利用Voronoi分区，它适用于大量机器人或大型环境，有利于仅根据机器人的位置获得快速可行的解决方案。然而，值得注意的是，这些研究主要集中在解决静态Voronoi分区带来的挑战，假设了事先知道环境。令人遗憾的是，在这些工程中很少考虑突然发生的不可预见的超范围障碍。

为应对这些挑战，本文提出了一个多无人机协同建筑检查和重建的探索和开发框架。在作者之前工作[16]的基础上，该框架保证了目标建筑的覆盖范围，平衡了每架无人机的工作量分配，并实现了在线数据收集，而无需预先获得目标建筑的3D模型。本文的主要贡献如下：

作者提出了一种探索然后开发的多无人机协同建筑检测和重建框架，可以显著提高数据收集质量。
作者设计了一种密度图构建方法，为实时规划和执行提供全局和局部信息。同时，建立了一个基于Voronoi的动态安全区域，通过在多架无人机之间均匀分配工作量来减少总检查时间。
在各种环境中进行了仿真，以显示所提出的框架的时间效率、鲁棒性和有效性。此外，作者开发的系统，包括一个由三架无人机组成的团队，用于对不同的大型工业建筑进行物理检查。这种方法大大缩短了整体操作时间，有效地将潜在危险降至最低。

[16] Wang, X., Gao, C., Chen, X., & Chen, B.M. (July 2023). Fast and secure distributed multi-agent coverage control with an application to infrastructure inspection and reconstruction. In Proceedings of the 42nd Chinese Control Conference, Tianjin, China (pp. 5998–6005).

结论

图1 (原文Fig.2) 分层协同框架

图2 (原文Fig.11) 利用5个无人机的建筑检测与重建，其中一种无人机突发故障

本文提出了一种探索和开发的多无人机建筑检测与重建合作框架。所提出的框架保证了目标建筑的覆盖范围，平衡了每架无人机的工作量分配，并在没有预先获得目标建筑三维模型的情况下实现了在线数据收集。尽管障碍物密度增加了，但本文提出算法的计算时间保持一致，并且防撞技术保证了安全区域。作者使用所开发的系统有效地对一座大型工业建筑进行了全面检查。多智能体系统收集的高质量图像可以帮助物业经理识别任何需要解决的结构性问题。本文提出的系统对工业设施的维护和管理具有重大价值。此外，比较结果表明，与其他方法相比，本文提出的方法具有更高的时间效率，实验验证了所提出的方法在不同大规模环境中的有效性。

作者介绍

Chuanxiang Gao，2020年获西北工业大学工程学士学位，目前在中国香港香港中文大学攻读机械与自动化工程博士学位。他目前的研究兴趣包括任务规划、运动规划和地图绘制。

Xinyi Wang，2019年获得厦门大学学士学位，2023年获得香港中文大学机械与自动化工程系博士学位。王博士现为香港物流机器人中心有限公司博士后研究员及香港中文大学荣誉博士后研究员。她目前的研究兴趣包括多智能体协调系统、覆盖控制和轨迹优化。

Xi Chen，2009年获得浙江大学能源与环境系统工程学士学位，并分别于2011年和2017年获得香港理工大学建筑服务工程硕士和博士学位。陈博士现为香港中文大学研究助理教授。他在与智能城市、数据挖掘和建筑环境建模相关的可持续建筑技术方面拥有超过10年的经验，并领导或管理了多个研究项目，包括ARC、MOST、RGC以及与当地政府和行业的咨询项目。他在同行评审的国际期刊上发表了50多篇论文，并与人合著了一本关于绿色建筑和可再生能源应用领域的书。陈博士被授予澳大利亚研究委员会DECRA Fellow和劳伦斯伯克利国家实验室富布赖特学者。此外，他还是国际期刊 Buildings, Energies and Advances in Applied Energy 的编委会成员。

Ben M. Chen (S’89-M’92-SM’00-F’07)，现为香港中文大学机械及自动化工程系教授。在2018年加入中大之前，他是新加坡国立大学电气与计算机工程系的教务长讲座教授。1992年至1993年，他是美国纽约州立大学石溪分校电气工程系的助理教授。他目前的研究兴趣是无人驾驶系统及其应用。陈博士是IEEE Fellow、新加坡工程院院士。他曾在十几家国际期刊的编辑委员会任职，包括Automatica 和IEEE Transactions on Automatic Control。他目前担任Unmanned Systems的主编和International Journal of Robust and Nonlinear Control 的编委。

期刊简介

640 spr.jpg

欢迎扫码进入期刊主页

Control Theory and Technology (CTT), 中文名《控制理论与技术》, 创刊于2003年，原刊名为Journal of Control Theory and Applications，2014年刊名更改为Control Theory and Technology。由华南理工大学与中国科学院数学与系统科学研究院联合主办，主要报道系统控制科学中具有新观念、新思想的理论研究成果及其在各个领域中的应用。目前被 ESCI (JIF 1.7)、EI、Scopus (CiteScore 3.2)、CSCD、INSPEC、ACM 等众多数据库收录, 并于2013–2018年获得两期中国科技期刊国际影响力提升计划项目资助。2017–2021年连续获得“中国最具国际影响力学术期刊”和“中国国际影响力优秀学术期刊”称号，获得广东省高水平科技期刊建设项目(2021-2024年)，2022-2024年进入中国科协自动化学科领域高质量科技期刊目录。

官网：https://link.springer.com/journal/11768 (即http://www.springer.com/11768)

https://jcta.ijournals.cn/cta_en/ch/index.aspx

投稿：https://mc03.manuscriptcentral.com/ctt

微信：ControlTheoryTech （欢迎扫码关注期刊微信公众号）