Emesent Hovermap 无人机使用同步定位和绘图 (SLAM) 技术了解自己的位置并生成精确的点云。经过多年对无人机自主性的研究，Emesent的SLAM 算法在具有挑战性的地下和其他 GPS 信号缺失的环境中具有很高的可靠性。不过，SLAM 与基于三脚架的激光扫描不同，其采集结果更依赖于识别环境中的特征。

对于SLAM 扫描仪来说，隧道和涵洞是最具挑战性的环境。在这些环境中，由于缺乏特征，SLAM ，导致点云不一致，可能无法用于最终目的。

在本篇文章中，我们将指导您扫描一个具有挑战性的暗渠，并指出一些确保您每次都能获得最佳结果的技巧。如果您想查看本指南中使用的点云，可在此处下载数据集。

 

作者：Ryan Palfrey 和 Andrew Palmer

暗渠为何具有挑战性？

我们正在扫描的暗渠长 130 米，宽 3 米，高 3.5 米，相当狭窄。

它的地面、天花板和墙壁都很光滑，暗渠两端的环境主要由树木和小溪组成。

SLAM 它利用环境中的表面来确定Hovermap 的位置。暗渠的墙壁、地面和顶棚都是很好的特征，可以让Hovermap 准确地知道自己在暗渠横截面内的位置，但不能提供任何有关Hovermap 在暗渠长度方向上的位置信息。

如果环境中没有任何其他特征，SLAM ，就很有可能滑向这个方向。

在低功能环境中收集数据的技巧

最好的办法是拿着Hovermap ，让它能看到暗渠的两端；例如，把Hovermap 拿到一边。

由于暗渠内没有可用于确定其沿暗渠长度方向位置的特征，SLAM ，而是依赖于暗渠两端的特征。确保两端尽可能可见是将SLAM 滑移风险降至最低的关键。

此外，应尽量使Hovermap 位于暗渠的中心位置，避免快速或生硬的动作。

由于暗渠中的特征数量较少，因此要避免引入负面特征。负面特征是指环境中会混淆SLAM 的事物，如移动的人和车辆、水和雾。如果出于安全考虑，您需要有人陪同，请让他们走在您与Hovermap 的对面，这样他们就会处于盲区，不会造成负面特征。

如果没有其他办法，您可以在环境中添加自己的特色。例如，每隔 50 米左右放置一个大纸箱。您需要确保这些纸箱在扫描过程中不会移动，以免成为负面特征。

处理扫描

我们采集了两种结构的暗渠扫描图：

1. 在无人跟随的情况下，将Hovermap 举到一边
2. Hovermap 与背包配件相连，有人跟随

第一次扫描使用Aura 中的默认设置进行处理，没有出现滑动。

隧道内的涂鸦可以用来证明没有发生过滑坡。

由于安装在背包上，视野受到限制，再加上后面的人增加了负面特征，因此使用默认设置进行第二次扫描时没有出现滑动。按时间给扫描着色可以突出显示SLAM 出现滑动的时间。在三色图像中，扫描从涵洞右侧开始，穿过涵洞后又返回。在返回途中，SLAM 出现了明显的滑动，因此扫描结束时与扫描开始时不一致。

该图显示了按时间（蓝色->绿色->红色）排列的扫描结果。扫描的蓝色部分和红色部分分别是起点和终点，应该对齐。

灵气处理设置

我们可以在Aura 中更改一些设置，以帮助减少滑动。

在"高级"->"本地映射"->"窗口"下，将 "滑动大小（秒）"从默认值 5 改为 10，将 "滑动移动（秒）"从默认值 1 改为 0.5。请注意，以这种方式修改这些值会使SLAM 管道的部分处理时间增加 4 至 5 倍。

修改Aura 设置后，现在扫描过程顺利进行，没有出现任何偏差，扫描的起点和终点也完全一致。

如果您需要就具有挑战性的扫描提供建议，请随时联系我们，我们随时乐意为您提供帮助。

同时，如果您想查看我们在本指南中使用的点云，可以在这里下载数据集。

下载数据集