💻 computer science

Fusion of Visual-Inertial Odometry with LiDAR Relative Localization for Cooperative Guidance of a Micro-Scale Aerial Vehicle

تقترح هذه الورقة إطار عمل للملاحة التعاونية يدمج بين التحديد النسبي للموقع القائم على تقنية ليدار (LiDAR) من طائرة بدون طيار رئيسية، وبين قياس المسافات بالقصور الذاتي البصري من طائرة بدون طيار ثانوية متناهية الصغر، وذلك لتحقيق توجيه دقيق وخالٍ من الانحراف وتمكين الاستكشاف لمساحات واسعة بدقة عالية.

المؤلفون الأصليون: Václav Pritzl, Matouš Vrba, Petr Štěpán, Martin Saska

نُشر 2026-03-05

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Václav Pritzl, Matouš Vrba, Petr Štěpán, Martin Saska

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

إليك شرح للورقة البحثية باستخدام لغة بسيطة وتشبيهات إبداعية.

الفكرة الكبرى: "الأخ الأكبر" و"المستكشف الصغير"

تخيل أنك تقود مهمة بحث وإنقاذ في متاهة مظلمة ومربكة (مثل مبنى منهار أو غابة كثيفة). لديك نوعان من الطائرات بدون طيار (الدرونز):

الأخ الأكبر (الطائرة الأساسية): هذه طائرة كبيرة وثقيلة تحمل جهاز LiDAR ثلاثي الأبعاد قويًا (ماسح ليزر يرى العالم بدقة ثلاثية الأبعاد مثالية، مثل الخفاش الذي يستخدم السونار). إنها دقيقة للغاية ولا تضل طريقها بسهولة، لكنها كبيرة جدًا بحيث لا يمكنها المرور عبر الشقوق الصغيرة أو الممرات الضيقة.
المستكشف الصغير (الطائرة الثانوية): هذه طائرة صغيرة وخفيفة الوزن تحمل مجرد كاميرا. يمكنها الطيران عبر أصغر الثقوب والوصَـل إلى أماكن لا يستطيع "الأخ الأكبر" دخولها. ومع ذلك، فإن نظام الملاحة القائم على الكاميرا لديها "مترنح" بعض الشيء؛ فمع مرور الوقت، تبدأ في الاعتقاد بأنها في مكان مختلف عن مكانها الحقيقي، تمامًا مثل شخص يمشي في دوائر في الظلام دون بوصلة.

المشكلة: إذا أرسلت "المستكشف الصغير" بمفرده، فسوف يضيع ويتحطم في النهاية. وإذا أرسلت "الأخ الأكبر"، فلن يتمكن من دخول الأماكن الضيقة.

الحل: تصف هذه الورقة نظامًا يعمل فيه "الأخ الأكبر" كجهاز GPS لـ "المستكشف الصغير"، حتى في حال عدم توفر إشارة أقمار صناعية (GPS). يستخدم "الأخ الأكبر" ماسح الليزر الخاص به للتحقق باستمرار من موقع "المستكشف الصغير"، وتصحيح "ترنحه"، وتوجيهه بأمان عبر المتاهة.

كيف يعمل الأمر: تشبيه "شريك الرقص"

فكر في الطائرتين كشريكين في الرقص.

المستكشف الصغير يحاول أداء رقصة معينة (مسار مخطط مسبقًا)، لكنه يشعر بالدوار ويفقد إيقاعه (الترنح). هو يعتقد أنه يتحرك في خط مستقيم، لكنه في الواقع ينحرف عن المسار.
الأخ الأكبر هو مدرب الرقص الخبير الواقف بجانب "المستكشف الصغير" مباشرة. المدرب لديه رؤية مثالية (LiDAR).

العملية:

النظر: يقوم ماسح الليزر الخاص بـ "الأخ الأكبر" بـ "النظر" باستمرار إلى "المستكشف الصغير". إنه يرى بالضبط أين يوجد المستكشف في الفضاء ثلاثي الأبعاد، متجاهلاً الظلام أو نقص التفاصيل في الجدران.
التصحيح: يقارن "الأخ الأكبر" بين المكان الذي يعتقد "المستكشف الصغير" أنه يتواجد فيه (بناءً على كاميرته) وبين مكانه الحقيقي (بناءً على الليزر).
الهمس: يرسل "الأخ الأكبر" رسالة سريعة عبر الراديو: "مهلًا، أنت تعتقد أنك عند النقطة (أ)، لكنك في الواقع عند النقطة (ب). اتجه يسارًا قليلاً".
الدمج: لا يتبع "المستكشف الصغير" تعليمات الراديو بشكل أعمى؛ بل يمزج بيانات الكاميرا الخاصة به مع تصحيح "الأخ الأكبر". هذا يخلق موقعًا "فائق الدقة" أفضل بكثير مما توفره الكاميرا وحدها.

لماذا يعد هذا أمرًا هامًا (استعارة "حقيبة الظهر الثقيلة")

عادةً، للحصول على ملاحة عالية الدقة، تحتاج الطائرة بدون طيار إلى حمل حقيبة ظهر ثقيلة مليئة بأجهزة الليزر والحواسيب باهظة الثمن. وهذا يجعل الطائرة ثقيلة، مما يقصر عمر بطاريتها ويجعلها غير قادرة على الطيران في المساحات الصغيرة.

تقترح هذه الورقة استراتيجية عمل جماعي:

حقيبة الظهر الثقيلة (جهاز LiDAR) تبقى على متن "الأخ الأكبر".
المستكشف الصغير يحمل فقط كاميرا خفيفة الوزن (مثل دفتر ملاحظات صغير).
نظرًا لأنهما يعملان معًا، يحصل "المستكشف الصغير" على فوائد حقيبة الظهر الثقيلة دون الحاجة إلى حملها فعليًا.

ماذا يحدث عندما تسوء الأمور؟

اختبر الباحثون ذلك في عمليات المحاكاة وفي الحياة الواقعية، بما في ذلك المواقف الصعبة:

اختبار "الجدار": ماذا لو طار "المستكشف الصغير" خلف جدار ولم يستطع "الأخ الأكبر" رؤيته للحظة؟
- النتيجة: النظام ذكي. فهو يستخدم بيانات كاميرا "المستكشف الصغير" لتخمين موقعه، ولكن بمجرد أن يراه "الأخ الأكبر" مرة أخرى (مثل استراق النظر حول زاوية)، فإنه يعيد موقع "المستكشف الصغير" فورًا إلى الواقع، مصححًا أي أخطاء حدثت أثناء اختفائه.
اختبار "السكران": قاموا بمحاكاة وجود كاميرا سيئة جدًا لدى "المستكشف الصغير" (ترنح كبير).
- النتيجة: حتى عندما كانت الكاميرا "ثملة" وتحاول الطيران في دوائر، حافظ توجيه الليزر من "الأخ الأكبر" على "المستكشف الصغير" في مساره المستقيم والمنضبط.

النتيجة في العالم الحقيقي

في اختبار واقعي داخل مستودع صناعي كبير:

طار "الأخ الأكبر" في الممر الرئيسي.
طار "المستكشف الصغير" في الممرات الجانبية الضيقة لرسم خرائطها.
قام "الأخ الأكبر" بتوجيه "المستكشف الصغير"، وتصحيح موقعه، والمساعدة في دمج خرائطهما في صورة واحدة مثالية للمستودع.

الخلاصة:
تثبت هذه الورقة أنك لست بحاجة لأن تكون كل طائرة بدون طيار عبارة عن حاسوب خارق ثقيل وباهظ الثمن. من خلال جعل طائرة واحدة "ذكية" توجه سربًا من الطائرات "البسيطة" ولكن الرشيقة، يمكنك استكشاف البيئات الخطرة والضيقة والمعقدة بدقة وأمان عاليين. الأمر يشبه وجود منارة ترشد قاربًا صغيرًا عبر مرفأ ضبابي.

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "دمج الملاحة البصرية-القصورية مع التموضع النسبي لليدار (LiDAR) من أجل التوجيه التعاوني لمركبة جوية متناهية الصغر."

1. بيان المشكلة

تعالج الورقة البحثية تحدي توجيه المركبات الجوية غير المأهولة (UAVs) متناهية الصغر في البيئات التي تفتقر إلى نظام الملاحة العالمي عبر الأقمار الصناعية (GNSS-denied)، مثل المساحات الداخلية أو الأنفاق تحت الأرضية.

المعضلة:
- المركبات الجوية المزودة بـ LiDAR: توفر تموضعاً عالي الدقة ومتانة تجاه ظروف الإضاءة، لكنها ثقيلة، وتستهلك طاقة كبيرة، وضخمة جداً بحيث يصعب عليها التنقل في الأماكن الضيقة والمحصورة.
- المركبات الجوية المزودة بكاميرا (متناهية الصغر): خفيفة الوزن ويمكنها الوصول إلى المساحات الضيقة، لكنها تعتمد على الملاحة البصرية-القصورية (VIO). تعاني الـ VIO من انحراف كبير على المدى الطويل، وعدم قابلية ملاحظة المقياس (scale unobservability)، والحساسية للإضاءة والنسيج (texture)، مما يجعل تتبع المسار بدقة أمراً صعباً بمرور الوقت.
الهدف: تمكين فريق متباين (heterogeneous team) حيث تقوم مركبة جوية أساسية مزودة بـ LiDAR بتوجيه مركبة ثانوية خفيفة الوزن مزودة بكاميرا. يجب أن يقوم النظام بدمج بيانات التموضع النسبي لليدار مع مخرجات الـ VIO للمركبة الثانوية لتصحيح الانحراف وتوجيه المركبة المتناهية الصغر على طول مسارات دقيقة محددة في الإطار المرجعي للمركبة الأساسية، وكل ذلك مع العمل بالكامل على متن المركبات دون الحاجة إلى محطات أرضية.

2. المنهجية

يتكون النظام المقترح من مركبة جوية أساسية (تحمل جهاز LiDAR ثلاثي الأبعاد) ومركبة جوية ثانوية (تحمل كاميرا أحادية وحساس حركة IMU). تتضمن البنية الأساسية ثلاث وحدات رئيسية تعمل على متن المركبة الأساسية:

أ. كاشف يعتمد على الليدار (LiDAR-Based Detector)

الوظيفة: اكتشاف وتتبع المركبة الجوية الثانوية ضمن السحابة النقطية ثلاثية الأبعاد لليدار الخاص بالمركبة الأساسية.
الآلية: يستخدم خريطة إشغال قائمة على الـ Voxel وطريقة تتبع عنقودي نقطي تعتمد على مرشح كالمان (Kalman filter).
المتانة: يمكنه العمل في وضع "بدون علامات" (marker-less) أو استخدام علامات عاكسة سلبية لتمييز المركبة عن العوائق (مثل المصابيح المتدلية). كما يتعامل مع الاكتشافات الخاطئة وتأخيرات المعالجة المتغيرة.

ب. موجه المركبة الجوية (الدمج والتقدير)

هذا هو الابتكار الجوهري، حيث يدمج اكتشافات الليدار ( $L_d$ ) مع وضعية الـ VIO للمركبة الثانوية ( $V_p$ ) لتقدير التحول النسبي بين المركبتين. يعمل النظام في خطوتين غير مرتبطتين وثيقاً:

مقدر يعتمد على المربعات الصغرى غير الخطية (NLS-based Estimator):
- يقوم بمحاذاة اكتشافات الليدار ووضعيات الـ VIO عبر نافذة منزلقة لتقدير التحول رباعي درجات الحرية (4-DOF) (الإزاحة ثلاثية الأبعاد + الاتجاه النسبي) بين إطار الليدار ( $L$ ) وإطار الـ VIO ( $V$ ).
- يستخدم دالة خسارة قوية (Soft L1) لتقليل تأثير القيم المتطرفة.
- يعمل على تحسين التحول $^V_L T$ .
متتبع يعتمد على مرشح كالمان الخطي (LKF-based Tracker):
- يأخذ المخرجات من مقدر NLS ويدمجها مع اكتشافات الليدار وبيانات الـ VIO في الوقت الفعلي.
- يستخدم نموذج حالة ثابت السرعة رباعي درجات الحرية (الموقع، السرعة، الاتجاه، ومعدل تغير الاتجاه).
- ميزة رئيسية: يستخدم ذاكرة تخزين مؤقت لإعادة الحساب (recalculating history buffer) للتعامل مع القياسات غير المتزامنة وتأخيرات الاتصال. يقوم بالتنبؤ بالحالة إلى وقت آخر قياس، مما يسمح بدمج البيانات حتى لو وصلت تحديثات الـ VIO أو الليدار بتأخيرات زمنية مختلفة.
- يخرج تقديراً مصححاً من الانحراف لوضعية المركبة الثانوية في إطار المركبة الأساسية ( $^L_S T$ ).

ج. محول المرجع (Reference Transformer)

يقوم بتحويل المسار المطلوب (المحدد في إطار الليدار للمركبة الأساسية) إلى الإطار المحلي للمركبة الثانوية.
يرسل هذه المراجع المحولة إلى المركبة الثانوية، التي تقوم بتتبعها باستخدام متحكم الـ VIO الخاص بها.

3. المساهمات الرئيسية

نهج دمج مبتكر: أول حل لدمج التموضع النسبي لليدار مع الحركة الذاتية للـ VIO لفرق المركبات الجوية المتباينة. يوفر إطار مرجع مشترك دون الحاجة لمعرفة مسبقة بأحجام المركبات أو وضعياتها الأولية.
استراتيجية الحد من الانحراف: نجح في تخفيف انحراف الـ VIO باستخدام قياسات الليدار عالية الدقة لتصحيح مسار المركبة المتناهية الصغر في الوقت الفعلي.
المتانة تجاه الحالات المتدهورة: يتعامل النظام مع:
- فقدان خط الرؤية (NLOS): يستمر في التتبع عبر الـ VIO حتى استعادة اتصال الليدار، وعندها يتم تصحيح التقدير.
- تأخيرات الاتصال: يستخدم ذاكرة تخزين مؤقت للسجل لدمج القياسات المتأخرة بشكل صحيح.
- الاكتشافات الخاطئة: يستخدم مسافة ماهالانوبيس (Mahalanobis distance) لربط البيانات ورفض القيم المتطرفة.
مجموعة بيانات مفتوحة: نشر المؤلفون بيانات خام من تجارب واقعية لتسهيل الأبحاث المستقبلية في التموضع النسبي التعاوني.

4. النتائج التجريبية

تم تقييم الطريقة من خلال عمليات محاكاة ورحلات واقعية في مستودع صناعي.

المحاكاة (تعويض الانحراف):
- تم الاختبار مع انحراف سرعة ثابت اصطناعي يصل إلى $1.0 \, m/s$ .
- نجح النظام في توجيه المركبة الجوية مع صفر حالات فشل حتى انحراف قدره $0.7 \, m/s$ .
- ظل متوسط انحراف المسار منخفضاً (0.14م إلى 0.67م) حتى مع وجود انحراف كبير.
دقة التموضع في العالم الحقيقي:
- المقاييس: خطأ المسار المطلق (ATE) مقارنة بالحقيقة الأرضية بتقنية RTK.
- النتائج:
  - دمج الليدار + VIO: متوسط خطأ المسار المطلق ثلاثي الأبعاد (3D ATE) بلغ 0.28 م.
  - الـ VIO الخام (VINS-Mono): متوسط 3D ATE بلغ 2.38 م.
  - الـ VIO الخام (OpenVINS): متوسط 3D ATE بلغ 0.58 م.
  - قللت طريقة الدمج الخطأ ثلاثي الأبعاد بنسبة تقارب 88% مقارنة بـ VINS-Mono الخام.
سيناريو رسم الخرائط التعاوني:
- بقيت مركبة أساسية في ممر رئيسي بينما قامت بتوجيه مركبة ثانوية إلى ممرات جانبية ضيقة لرسم خريطة مستودع صناعي.
- نجح النظام في دمج الخرائط المحلية من كلتا المركبتين في خريطة إشغال عالمية متسقة، مما أثبت فائدة الطريقة في البيئات المعقدة والمزدحمة التي لا تستطيع المركبة الأساسية دخولها فيزيائياً.

5. الأهمية

توضح هذه العمل مساراً عملياً لأنظمة الروبوتات المتعددة المتباينة في مهام الاستجابة للطوارئ والبحث والإنقاذ (SAR).

الكفاءة التشغيلية: تسمح للروبوتات الكبيرة والقوية بـ "سوق" أو توجيه الروبوتات الأصغر والأكثر رشاقة إلى المناطق الخطرة أو التي يصعب الوصول إليها، وتصحيح أخطاء الملاحة للروبوتات الأصغر دون الحاجة لحملها مستشعرات ثقيلة.
القابلية للتوسع: يشير تحليل الاتصالات إلى أن النظام يمكن أن يتوسع ليشمل أسراباً كبيرة (يدعم نظرياً مئات المركبات الثانوية) حيث أن متطلبات عرض النطاق الترددي منخفضة.
الاستقلالية: من خلال العمل بالكامل على متن المركبات، يكون النظام مرناً تجاه انقطاع الاتصال ولا يعتمد على بنية تحتية خارجية، مما يجعله مثالياً للمناطق تحت الأرضية أو مناطق الكوارث.

باختصار، تقدم هذه الورقة إطاراً قوياً وفعالاً حوسبياً يستفيد من نقاط القوة لكل من الليدار (الدقة والمتانة) والكاميرات (الخفة والرشاقة) لتمكين الملاحة التعاونية الدقيقة في البيئات التي تفتقر إلى نظام GPS.