Применение систем SLAM в беспилотных авиационных комплексах для оценки обстановки при чрезвычайных ситуациях

Глеб Юрьевич Шамсудинов; Вячеслав Юрьевич Яровой; Анна Константиновна Михайлова

doi:10.33408/2519-237X.2026.10-2.215

Авторы

Глеб Юрьевич Шамсудинов Федеральное государственное бюджетное образовательное учреждение высшего образования «Сибирская пожарно-спасательная академия Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий»; 662972, Россия, Красноярский край, Железногорск, ул. Северная, 1 https://orcid.org/0009-0005-5736-0327
Вячеслав Юрьевич Яровой Федеральное государственное бюджетное образовательное учреждение высшего образования «Сибирская пожарно-спасательная академия Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий»; 662972, Россия, Красноярский край, Железногорск, ул. Северная, 1 https://orcid.org/0009-0008-9078-107X
Анна Константиновна Михайлова Федеральное государственное бюджетное образовательное учреждение высшего образования «Сибирская пожарно-спасательная академия Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий»; 662972, Россия, Красноярский край, Железногорск, ул. Северная, 1 https://orcid.org/0000-0003-3332-3087

DOI:

https://doi.org/10.33408/2519-237X.2026.10-2.215

Ключевые слова:

искусственный интеллект, SLAM-метод, беспилотные авиационные средства, ликвидация ЧС, инновационные технологии

Аннотация

Цель. Концептуальное обоснование и анализ применения систем SLAM в беспилотных авиационных средствах для точного 3D- и 4D-картирования объектов и местности в условиях чрезвычайных ситуаций (ЧС) с целью предоставления оперативной и точной информации руководителю ликвидации чрезвычайной ситуации (РЛЧС).

Методы. Обзор существующих архитектур SLAM, анализ методов слияния данных от нескольких сенсоров, сравнение алгоритмов (LOAM, LeGO-LOAM, LIO-SAM и др.) на основе литературных источников, концептуальная оценка результатов с использованием метрик точности картирования, разрешения моделей и устойчивости к помехам.

Результаты. Проанализированы мультисенсорные SLAM-системы, демонстрирующие потенциал для создания высокоточных 3D-моделей объектов и местности в экстремальных условиях. Установлено, что применение SLAM для оперативного картирования в ЧС позволяет повысить точность информации для РЛЧС, сократить время принятия управленческих решений и минимизировать риски при ликвидации ЧС.

Область применения исследований. Полученные концептуальные выводы могут быть использованы для разработки стратегий внедрения SLAM-систем в беспилотные авиационные средства для мониторинга и моделирования зон чрезвычайной ситуации, информационные системы для руководителя ликвидации чрезвычайной ситуации, а также для решения других задач в области безопасности жизнедеятельности.

Биографии авторов

Глеб Юрьевич Шамсудинов, Федеральное государственное бюджетное образовательное учреждение высшего образования «Сибирская пожарно-спасательная академия Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий»; 662972, Россия, Красноярский край, Железногорск, ул. Северная, 1

факультет инженеров пожарной безопасности, курсант

Вячеслав Юрьевич Яровой, Федеральное государственное бюджетное образовательное учреждение высшего образования «Сибирская пожарно-спасательная академия Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий»; 662972, Россия, Красноярский край, Железногорск, ул. Северная, 1

кафедра пожарной тактики и аварийно-спасательных работ, преподаватель

Анна Константиновна Михайлова, Федеральное государственное бюджетное образовательное учреждение высшего образования «Сибирская пожарно-спасательная академия Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий»; 662972, Россия, Красноярский край, Железногорск, ул. Северная, 1

кафедра пожарной тактики и аварийно-спасательных работ, доцент; кандидат медицинских наук

Библиографические ссылки

Shirokov G.S., Satsuk I.V. Primeneniye foto i video s"yemki s ispol'zovaniyem BAS v tselyakh resheniya zadach MCHS Rossii [Application of photo and video shooting using UAS to solve the problems of the EMERCOM of Russia]. Proc. of VI All-Russian scientific-practical conf. «Molodye uchenye v reshenii aktual'nykh problem bezopasnosti», Zheleznogorsk, May 24, 2024. Zheleznogorsk: Siberian Fire and Rescue Academy of EMERCOM of Russia, 2024. Pp. 293–297. (rus). EDN: https://elibrary.ru/LLSMVR.

Xu X., Zhang L., Yang J., Cao C., Wang W., Ran Y., Tan Z., Luo M. A review of multi-sensor fusion slam systems based on 3D LIDAR. Remote Sensing, 2022. Vol. 14, No. 12. Article 2835. DOI: https://doi.org/10.3390/rs14122835.

Kravchenko S.A. Pozhar kak naibolee veroyatnaya chrezvychaynaya situatsiya v gorodskoy srede [Fire as the most likely emergency situation in urban environment]. Proc. of Interuniversity student scientific conf. «Bezopasnost' gorodskoy sredy», Omsk, November 29, 2013. Omsk State Institute of Service. Omsk, 2013. Pp. 17–19. EDN: https://elibrary.ru/TJRYCN.

Yarovoy V.Yu., Shamsudinov G.Yu., Morozov V.V. Ob osobennostyakh programmnogo obespecheniya dlya sredstv vosstanovleniya vidimosti zvena gazodymozashchitnoy sluzhby v zadymlennoy srede [On the peculiarities of software for means of restoring the visibility of the gas smoke protection service link in a smoke-filled environment]. Engineering Journal of Don, 2025. No. 8 (128). Pp. 848–858. EDN: https://elibrary.ru/SCSEPM.

Zhang J., Singh S. LOAM: Lidar odometry and mapping in real-time. Proc. of X Intern. scientific conf. «Robotics: Science and systems», Berkeley, USA, July 12–16, 2014. USA, Berkeley, University of California, 2014. 9 p. DOI: https://doi.org/10.15607/RSS.2014.X.007.

Xue G., Li R., Liu Sh., Wei J. Research on underground coal mine map construction method based on LeGO-LOAM improved algorithm. Energies, 2022. Vol. 15, No. 17. Article 6256, 17 p. DOI: https://doi.org/10.3390/en15176256. EDN: https://elibrary.ru/PXAKZC.

Meng X., Chen X., Chen Sh., Fang Y., Fan H., Luo J., Wu Yu., Sun B. An improved LIO-SAM algorithm by integrating image information for dynamic and unstructured environments. Measurement Science and Technology, 2024. Vol. 35, No. 9. Article 096313. DOI: https://doi.org/10.1088/1361-6501/ad56b1. EDN: https://elibrary.ru/QEEEYD.

Qin X., Zhang X., Yasin M.Q., Wang Sh.,·Feng Zh.,·Xiao G. SUMA: A partial materialization-based scalable query answering in OWL 2 DL. Data Science and Engineering, 2021. Vol. 6, No. 2. Pp. 229–245. DOI: https://doi.org/10.1007/s41019-020-00150-0. EDN: https://elibrary.ru/HERMAO.

van Manen B.R., Sluiter V., Mersha A.Y. FirebotSLAM: Thermal SLAM to increase situational awareness in smoke-filled environments. Sensors, 2023. Vol. 23, No. 17. Article 7611, 25 p. DOI: https://doi.org/10.3390/s23177611.

Zhang J., Xiao R., Li H., Liu Y., Suo X., Hong C., Lin Z., Wang D. 4DRT-SLAM: Robust SLAM in smoke environments using 4D radar and thermal camera based on dense deep learnt features. Proc. of «2023 IEEE International Conference on Cybernetics and Intelligent Systems (CIS) and IEEE Conference on Robotics, Automation and Mechatronics (RAM)», Penang, Malaysia, June 9–12, 2023. IEEE, 2023. Pp. 19–24. DOI: https://doi.org/10.1109/CIS-RAM55796.2023.10370026.

Dai Y., Zhao M. Grey Wolf resampling-based Rao-Blackwellized particle filter for mobile robot simultaneous localiza-tion and mapping. Journal of Robotics, 2021. Vol. 2021. Article 4978984, 9 p. DOI: https://doi.org/10.1155/2021/4978984. EDN: https://elibrary.ru/EMSUBA.

Khan A., Mineo C., Dobie G., Macleod Ch., Pierce G. Vision guided robotic inspection for parts in manufacturing and remanufacturing industry. Journal of Remanufacturing, 2021. Vol. 11, No. 1. P. 49–70. DOI: https://doi.org/10.1007/s13243-020-00091-x. EDN: https://elibrary.ru/VLCMYB.

Cai X., Xu J., Deng K., Lan H., Wu Yu., ZhuGe X., Yang Zh. TrinitySLAM: On-board real-time event-image fusion SLAM system for drones. ACM Transactions on Sensor Networks, 2024. Vol. 20, No. 6. Article 121, 22 p. DOI: https://doi.org/10.1145/3696420. EDN: https://elibrary.ru/TWVDCE.