DOI: https://doi.org/10.1186/s43020-025-00162-z
تاريخ النشر: 2025-04-06
المؤلف: Imen Jarraya وآخرون
الموضوع الرئيسي: الروبوتات والتحديد القائم على المستشعرات
نظرة عامة
تقدم هذه الورقة مراجعة شاملة لتقنيات الملاحة للطائرات بدون طيار (UAVs) في البيئات التي تكون فيها أنظمة الملاحة عبر الأقمار الصناعية العالمية (GNSS) غير متاحة. تصنف طرق الملاحة التي تفتقر إلى GNSS إلى تحديد المواقع المطلقة والنسبية، مما يعزز فهم نقاط القوة والضعف الخاصة بها. تحدد الدراسة تحديد المواقع المعتمد على الرؤية كأكثر الطرق فعالية في مثل هذه السياقات، مع التأكيد على ضرورة استراتيجيات هجينة تدمج بين عدة مستشعرات وخوارزميات لتحقيق نتائج ملاحة موثوقة.
تؤكد الخاتمة على التقدم الكبير في تقنيات المستشعرات، بما في ذلك وحدات القياس بالقصور الذاتي (IMUs)، والبارومترات، ودمج الكاميرات، والرادار، والليدار، التي تقلل مجتمعة من الاعتماد على GNSS. يتم تسليط الضوء على الابتكارات الرئيسية مثل قياس الحركة البصرية بالقصور الذاتي (VIO) والتحديد والملاحة المتزامنة (SLAM) لدورها في تحسين دقة تحديد المواقع. بالإضافة إلى ذلك، تناقش الورقة الإمكانات التحويلية لتقنيات الخرائط الدلالية والتعرف المدفوعة بالذكاء الاصطناعي، والتي تعزز من اتخاذ القرارات وكفاءة العمليات للطائرات بدون طيار. من خلال دمج هذه التقدمات مع تقنيات الملاحة المعتمدة على التضاريس مثل TERCOM و DSMAC، توضح الدراسة كيف يمكن للذكاء الاصطناعي تحسين ملاحة الطائرات بدون طيار في التضاريس المعقدة، مما يسهم في عمليات أكثر أمانًا وكفاءة في البيئات التي تفتقر إلى GNSS. تدعو الورقة إلى استمرار البحث التعاوني لمعالجة تحديات الملاحة المستقلة عن GNSS، مما يمهد الطريق للتقدم المستقبلي في ملاحة الطائرات بدون طيار المستقلة.
مقدمة
تسلط المقدمة الضوء على أهمية أنظمة الملاحة عبر الأقمار الصناعية العالمية (GNSS)، بما في ذلك GPS و GLONASS و Galileo و BeiDou، في تحسين كفاءة النقل، خاصة للطائرات بدون طيار (UAVs) (Li et al., 2020). على الرغم من دورها الحاسم في توفير بيانات الموقع والملاحة الدقيقة، تواجه GNSS تحديات كبيرة ناتجة عن عوامل بيئية وتقنية. تؤكد هذه العقبات على ضرورة تطوير حلول ملاحة مستقلة متقدمة لتعزيز قدرات تحديد المواقع الذاتية في الطائرات بدون طيار (Materak, 2023; Yan et al., 2023; Marut et al., 2023; She et al., 2020).
الطرق
يوفر قسم الطرق نظرة شاملة على تقنيات تحديد المواقع للطائرات بدون طيار في البيئات التي تكون فيها GNSS غير متاحة، مع التركيز على كل من الأساليب التجريبية والتقدمات الخوارزمية. يسلط الضوء على استخدام المحاكاة والاستراتيجيات شبه التجريبية، كما هو موثق في الجداول من 5 إلى 8، مع الإشارة إلى التطبيقات العملية المحدودة والحاجة إلى مزيد من الاستكشاف لوقت التنفيذ وتأخيرات الحوسبة.
تشمل التجارب الرئيسية تطبيق نظام VINS-Mono في جامعة هونغ كونغ للعلوم والتكنولوجيا، الذي أظهر دقة تحديد مواقع مثيرة للإعجاب على مسافات طويلة في البيئات الخارجية، محققًا انحرافًا قريبًا من الصفر على طول مسار بطول 5.62 كم. تم تصميم هذا النظام، على الرغم من أنه مصمم أساسًا للاستخدام الداخلي، ليظهر قابلية التكيف في البيئات الخارجية. بالإضافة إلى ذلك، تم تقديم خوارزمية فلتر كالمان المقيد متعدد الحالات (PO-MSCKF)، التي تبسط أنظمة قياس الحركة البصرية بالقصور الذاتي (VIO) التقليدية من خلال القضاء على الحاجة لإعادة بناء الميزات ثلاثية الأبعاد، مما يؤدي إلى كفاءة حوسبة كبيرة مع الحفاظ على دقة عالية. تشمل الطرق البارزة الأخرى التي تم مناقشتها أنظمة مطابقة الصور المعتمدة على التعلم العميق، وتقنيات مطابقة الخرائط على نطاق واسع، ومختلف أساليب دمج المستشعرات، جميعها تساهم في تحسين دقة تحديد المواقع في السيناريوهات التي تفتقر إلى GNSS.
المناقشة
يوفر قسم المناقشة في ورقة البحث نظرة شاملة على تطور الحالة الحالية لتقنيات ملاحة الطائرات بدون طيار، خاصة في البيئات التي تفتقر إلى GNSS. يتتبع التطور التاريخي من أنظمة الرادار المبكرة في الأربعينيات إلى التقدمات الحديثة مثل الملاحة المعتمدة على التضاريس (TRN) وتقنيات دمج المستشعرات. تشمل المعالم الرئيسية تقديم مطابقة التضاريس (TERCOM) ومراسل منطقة مطابقة المشهد الرقمي (DSMAC)، التي حسنت بشكل كبير دقة الملاحة من خلال استخدام خرائط الارتفاع الرقمية (DEM) وبيانات التضاريس في الوقت الحقيقي. على الرغم من هذه التقدمات، فإن التحديات مثل قيود تكنولوجيا المستشعرات، وقدرات معالجة البيانات، والعوامل البيئية قد أعاقت تاريخيًا الاعتماد الكامل على طرق TRN، مما استلزم الاعتماد على الملاحة اليدوية حتى التسعينيات عندما بدأت GNSS وتقنيات المستشعرات المتقدمة في تحسين استقلالية الطائرات بدون طيار.
تسلط تحليل الأدبيات الضوء على مسح لـ 132 ورقة بحثية حديثة، تكشف عن تركيز كبير على الدراسات التجريبية (54.8%) مقارنة بالمحاكاة (42.2%). تصنف الورقة تقنيات تحديد المواقع للطائرات بدون طيار إلى تحديد المواقع المطلقة (AL) وتحديد المواقع النسبية (RL)، مع التأكيد على أهمية دمج المستشعرات متعددة الأنماط، بما في ذلك SLAM وقياس الحركة البصرية، لتعزيز دقة الملاحة. كما تتناول الورقة المشهد التنظيمي الذي يؤثر على عمليات الطائرات بدون طيار في البيئات التي تفتقر إلى GNSS، مما يبرز الحاجة إلى التعاون بين أصحاب المصلحة لتكييف اللوائح مع التقدم التكنولوجي. بشكل عام، تحدد البحث التحديات المستمرة في تحديد مواقع الطائرات بدون طيار، مثل مشاكل الإشارة والامتثال التنظيمي، بينما تدعو إلى مزيد من الاستكشاف لاستراتيجيات الملاحة المبتكرة لضمان عمليات موثوقة للطائرات بدون طيار في البيئات المعقدة.
القيود
يسلط قسم القيود الضوء على عدة تحديات تقنية تواجه الطائرات بدون طيار التي تعمل في البيئات التي تفتقر إلى GNSS. أولاً، فإن الاعتماد على طرق الملاحة المعتمدة على التضاريس (TRN)، مثل TERCOM و SITAN، يطرح صعوبات في المناظر الطبيعية الخالية من الميزات أو المناطق ذات قواعد بيانات التضاريس القديمة، مما يمكن أن يعيق تحديد المواقع الفعال (Zhang et al., 2024; Ge et al., 2024; Gao et al., 2023a). بالإضافة إلى ذلك، فإن إنشاء موقع أولي دقيق أمر حاسم، حيث يمكن أن تؤدي الأخطاء إلى أخطاء ملاحة متراكمة (Wang et al., 2024).
علاوة على ذلك، فإن وحدات القياس بالقصور الذاتي (IMUs) عرضة للانحراف، مما يتسبب في أخطاء متراكمة بمرور الوقت تتطلب إعادة معايرة متكررة، وهي عملية معقدة في غياب GPS (Elkholy et al., 2023; Sivamani & Gudipalli, 2024). تواجه أنظمة الملاحة المعتمدة على الرؤية أيضًا قيودًا في الظروف القاسية، مما يمكن أن يؤدي إلى تدهور جودة البيانات البصرية الضرورية للملاحة (Rani et al., 2024). علاوة على ذلك، فإن المتطلبات الحوسبية لمعالجة البيانات من مستشعرات مختلفة، مثل LiDAR و RADAR، جنبًا إلى جنب مع تنفيذ استراتيجيات الملاحة المتقدمة، مقيدة بقوة المعالجة المحدودة للطائرات بدون طيار (Wang et al., 2023; Peng et al., 2020). أخيرًا، تظل أنظمة ملاحة الطائرات بدون طيار عرضة للتهديدات الخبيثة، بما في ذلك تشويش الإشارات وتزوير المستشعرات، مما يتطلب تدابير أمان قوية لضمان عمليات آمنة (Almomani et al., 2022; Zhang et al., 2023; Allouch et al., 2021).
DOI: https://doi.org/10.1186/s43020-025-00162-z
Publication Date: 2025-04-06
Author(s): Imen Jarraya et al.
Primary Topic: Robotics and Sensor-Based Localization
Overview
This paper provides a thorough review of navigation techniques for Unmanned Aerial Vehicles (UAVs) in environments where Global Navigation Satellite Systems (GNSS) are unavailable. It categorizes GNSS-denied navigation methods into absolute and relative localization, enhancing the understanding of their respective strengths and weaknesses. The study identifies vision-based localization as the most effective approach in such contexts, while emphasizing the necessity of hybrid strategies that integrate multiple sensors and algorithms to achieve reliable navigation outcomes.
The conclusion underscores significant advancements in sensor technologies, including Inertial Measurement Units (IMUs), barometers, and the fusion of cameras, RADAR, and LiDAR, which collectively reduce reliance on GNSS. Key innovations such as Visual-Inertial Odometry (VIO) and Simultaneous Localization and Mapping (SLAM) are highlighted for their roles in improving localization accuracy. Additionally, the paper discusses the transformative potential of AI-driven Semantic Mapping and Recognition technologies, which enhance UAV decision-making and operational efficiency. By integrating these advancements with terrain-aided navigation techniques like TERCOM and DSMAC, the study illustrates how AI can improve UAV navigation in complex terrains, ultimately contributing to safer and more efficient UAV operations in GNSS-denied environments. The paper calls for continued collaborative research to address the challenges of GNSS-independent navigation, paving the way for future advancements in autonomous UAV navigation.
Introduction
The introduction highlights the significance of Global Navigation Satellite Systems (GNSS), including GPS, GLONASS, Galileo, and BeiDou, in improving transportation efficiency, particularly for Unmanned Aerial Vehicles (UAVs) (Li et al., 2020). Despite their critical role in providing accurate location and navigation data, GNSS faces substantial challenges stemming from environmental and technical factors. These obstacles emphasize the necessity for the development of advanced autonomous navigation solutions to enhance self-localization capabilities in UAVs (Materak, 2023; Yan et al., 2023; Marut et al., 2023; She et al., 2020).
Methods
The section on methods provides a comprehensive overview of UAV localization techniques in environments where GNSS is unavailable, emphasizing both experimental approaches and algorithmic advancements. It highlights the use of simulation and quasi-experimental strategies, as documented in Tables 5 to 8, while noting the limited practical implementations and the need for further exploration of execution time and computational delays.
Key experiments include the application of the VINS-Mono system at the Hong Kong University of Science and Technology, which demonstrated impressive localization accuracy over extended distances in outdoor settings, achieving nearly zero drift along a 5.62 km path. This system, while primarily designed for indoor use, showed adaptability in outdoor environments. Additionally, the Pose-Only Multi State Constrained Kalman Filter (PO-MSCKF) algorithm was introduced, which simplifies traditional Visual-Inertial Odometry (VIO) systems by eliminating the need for 3D feature reconstruction, resulting in significant computational efficiency while maintaining high accuracy. Other notable methods discussed include deep learning-based image matching systems, large-scale map matching techniques, and various sensor fusion approaches, all contributing to improved localization accuracy in GNSS-denied scenarios.
Discussion
The discussion section of the research paper provides a comprehensive overview of the evolution and current state of UAV navigation technologies, particularly in GNSS-denied environments. It traces the historical development from early RADAR systems in the 1940s to modern advancements such as Terrain Referenced Navigation (TRN) and sensor fusion techniques. Key milestones include the introduction of Terrain Contour Matching (TERCOM) and Digital Scene Matching Area Correlator (DSMAC), which significantly enhanced navigation precision by utilizing Digital Elevation Maps (DEM) and real-time terrain data. Despite these advancements, challenges such as sensor technology limitations, data processing capabilities, and environmental factors have historically hindered the full adoption of TRN methods, necessitating reliance on manual navigation until the 1990s when GNSS and advanced sensor technologies began to improve UAV autonomy.
The literature analysis highlights a survey of 132 recent research papers, revealing a significant focus on empirical studies (54.8%) compared to simulations (42.2%). The paper categorizes UAV localization techniques into Absolute Localization (AL) and Relative Localization (RL), emphasizing the importance of multi-modal sensor fusion, including SLAM and Visual Odometry, to enhance navigation accuracy. The paper also addresses the regulatory landscape affecting UAV operations in GNSS-denied environments, underscoring the need for collaboration among stakeholders to adapt regulations to technological advancements. Overall, the research identifies ongoing challenges in UAV localization, such as signal issues and regulatory compliance, while advocating for further exploration of innovative navigation strategies to ensure reliable UAV operations in complex environments.
Limitations
The section on limitations highlights several technical challenges faced by UAVs operating in GNSS-denied environments. Firstly, the reliance on Terrain Reference Navigation (TRN) methods, such as TERCOM and SITAN, poses difficulties in featureless landscapes or areas with outdated terrain databases, which can hinder effective localization (Zhang et al., 2024; Ge et al., 2024; Gao et al., 2023a). Additionally, establishing an accurate initial position is critical, as inaccuracies can lead to compounded navigation errors (Wang et al., 2024).
Moreover, Inertial Measurement Units (IMUs) are prone to drift, causing accumulated errors over time that require frequent recalibration, a process complicated in the absence of GPS (Elkholy et al., 2023; Sivamani & Gudipalli, 2024). Vision-based navigation systems also encounter limitations under adverse conditions, which can degrade visual data quality essential for navigation (Rani et al., 2024). Furthermore, the computational demands of processing data from various sensors, such as LiDAR and RADAR, alongside implementing advanced navigation strategies, are constrained by the limited processing power of UAVs (Wang et al., 2023; Peng et al., 2020). Lastly, UAV navigation systems remain vulnerable to malicious threats, including signal jamming and sensor spoofing, necessitating robust security measures to ensure safe operations (Almomani et al., 2022; Zhang et al., 2023; Allouch et al., 2021).