杨必胜, 李由, 陈驰
武汉大学测绘遥感信息工程全国重点实验室，湖北 武汉 430079
摘要
低空经济规模化运行的一个关键科学问题在于：如何在通信、导航等外部基础设施不连续的弱依赖条件下，刻画连续、可信、可调控的低空时空认知过程，以支撑低空空域的智能感知、安全管控与可持续治理。针对这一问题，本文提出并阐明以自主测绘为驱动底座、低空数智大脑为核心枢纽、低空无人系统自持能力为安全底线的低空时空支撑体系，分析三者之间“数据驱动—平台赋能—能力兜底”的内在逻辑，并明确自主测绘在低空经济中的双重作用，既是低空数智大脑实现高实时态势感知与智能调度的核心数据来源，也是低空无人系统在弱依赖环境中维持安全自主运行的内生能力基础。在此基础上，阐述低空数智大脑的“1+2+3+N”总体架构、低空无人系统的五维自持能力，以及面向规模化运行的群体智能发展趋势。笔者认为，自主测绘是连接低空基础设施与低空无人系统的关键纽带，其能力边界直接决定了低空经济运行安全的稳定下限。研究成果可为低空空间的智能化开发与系统化治理提供理论与方法参考。
关键词
基金项目
作者简介
第一作者：杨必胜（1974—），男，博士，教授，研究方向为无人自主测绘与空间智能。E-mail：
通信作者：李由 E-mail：liyou@whu.edu.cn
本文引用格式
杨必胜, 李由, 陈驰.
YANG Bisheng, LI You, CHEN Chi.
阅读全文
http://xb.chinasmp.com/article/2026/1001-1595/1001-1595-2026-06-0961.shtml
随着城市空中交通、低空物流配送与应急救援等应用场景的不断拓展，低空空域正快速从以安全管控为主的受限资源，演变为高频使用、多主体参与、支撑城市运行与经济增长的关键空间载体与生产要素[1]。如何开展安全、高效的低空开发与利用，已成为低空经济可持续发展的核心科学问题与工程挑战之一[2]。基于此，中国测绘学会与中国卫星导航定位协会相继设立低空开发与利用工作委员会[3]和低空经济工作委员会[4]，体现了行业对低空测绘及相关科技创新的高度重视。
不同于传统航空空域，低空具有空间结构高度异构、运行主体类型多样、环境变化快等特征，同时面临外部通信、导航与监管链路不连续、环境先验信息受限等现实约束[5]。因此，传统依赖高精度先验地图与稳定外部定位支撑的无人机测绘与运行模式，难以直接用于支撑低空经济规模化与常态化运行[6]。在此背景下，测绘遥感的角色亟须从单一的空间数据生产者，转向低空运行能力的构成要素与空域安全的基础约束。高质量、高实时时空信息无疑成为低空经济高质量发展的核心支撑，而自主测绘是获取高质量、高实时时空信息不可或缺的手段。
因此，本文试图从测绘学科的视角回答一个更为基础性的问题：在低空经济由探索走向规模化、常态化运行的过程中，自主测绘如何从传统的数据生产手段，演进为支撑低空运行、安全治理与智能服务的基础能力，并由此塑造低空经济得以成立和持续发展的时空基石。
1 自主测绘打造低空时空信息基础设施的底座
低空飞行贴近地物与人类活动空间，其运行安全性与效率高度依赖时空信息支撑，对低空场景下的测绘在感知、建模与更新等方面提出了挑战。本节在此基础上分析低空运行的基础要素与时空信息需求、低空环境对自主测绘的能力挑战，并阐述无人自主测绘的概念扩展、范式演进、能力闭环与现实表现，揭示自主测绘何以成为低空时空信息基础设施的底座。
为避免概念混用，首先对全文涉及的核心名词作出界定：①自主测绘：以无人系统为载体，赋予系统自主感知、定位、建图与决策能力，使机器能够在无人介入条件下完成时空信息获取与认知的新型测绘形态。②低空数智大脑：在低空时空信息基础设施之上，集成感知网络、智能计算、时空认知与协同决策能力的智能化平台体系，是推动低空经济系统化、可控化运行的核心枢纽。③低空无人系统：具备自主感知、决策与行动能力的无人运行单元，是低空经济的核心执行主体，其自持能力直接决定低空运行体系的稳定下限。它们之间的关系可概括为：自主测绘为低空数智大脑提供高实时时空数据，为低空无人系统提供自持能力支撑；低空数智大脑则在低空时空信息基础设施之上对低空无人系统进行组织、调度与协同，共同支撑低空经济的安全、高效运行（图1）。
Fig. 1 Relationship among autonomous surveying and mapping, low-altitude digital-intelligent brain, low-altitude unmanned systems and low-altitude economy
1.1 低空运行基础要素与时空信息需求
低空运行体系可概括为政策、装备、运行与保障4类要素共同构成的综合系统：政策提供空域改革与运行许可的制度约束；装备表征不同载具的性能差异与能力边界；运行决定低空交通的组织方式与调度效率；保障则通过通信、导航、遥感等基础设施维持整体运行的稳定性。这些要素共同依赖高精度、高实时的时空信息，集中体现为位置实时可靠、状态实时可知、空域实时可管、风险实时可控4类核心需求：在城市窄廊与eVTOL高密度运行场景中需要刚性可靠的精准定位，在飞行执行中需要持续获取气象、电磁、障碍物动态与平台健康度等多源信息，在快速增长的流量下需要可预测、可调度、可追踪的空域管理能力，并需要具备自适应规避、冲突检测与应急策略以防止局部风险扩散为系统性风险。
1.2 低空环境挑战与自主测绘能力需求
从场景角度来看，低空运行不仅涉及空域形态、载具类型、任务模式和空间结构，还受到建筑密度、气象扰动、电磁环境等动态变量影响。低空区域涵盖半暴露空间、非暴露空间、未知空间与多机密集空间4类典型挑战环境，对自主测绘提出了系统性的能力需求（图2）。
图2 低空环境挑战与能力需求
Fig. 2 Challenges and capability requirements in low-altitude environments
具体而言，半暴露空间（城市峡谷、高架、窄巷等）受GNSS遮挡与多路径影响，可用但不一定可信，局部湍流进一步增加姿态控制难度，需要弹性PNT、传感器退化识别与风场扰动补偿能力[7-8]；非暴露空间（地下管廊、隧道等）GNSS与通信能力均受限，狭窄、重复结构与弱纹理使视觉/激光SLAM性能退化，需要高稳健建图、拓扑增强定位、语义约束与极限安全策略[9-11]；未知空间（自然森林、灾害现场等）结构复杂、风险时变、先验匮乏且能量受限，需要在探索建图与风险规避之间动态平衡，具备“探索—建图—规划—自我保护”的闭环能力[12]；多机密集空间（城市空中走廊、物流集群、应急编组等）面临通信干扰与带宽受限，需要弱通信下的局部协同、相互避让与群体一致性策略[13-14]，以维持松耦合条件下的可控、安全运行。4类环境共同表现为外部信号受限、环境特征退化、风险源时变与多主体耦合的叠加，对传统依赖外部导航、固定先验与静态地图的运行模式构成挑战。要支撑未来规模化、多类型飞行器的运行，需要构建以自主测绘为核心、面向上述4类挑战环境的安全可控能力体系。
1.3 概念扩展：从测绘工具到无人系统生存要素
在复杂、动态、未知环境中，无人系统对实时环境认知与运行安全提出了更高要求，传统以人为主导的测绘模式在实时性与自主性方面仍有进一步提升空间。自主测绘正是在这一背景下应运而生。它强调由机器主导完成环境感知、测量与认知过程，使测绘能力从信息化作业工具转变为无人系统持续运行所必需的内生能力，并上升为无人系统在弱依赖环境中安全运行与推进任务的生存要素。这一概念扩展主要体现在3个方面：①自足性，即在外部基准、通信或人工支持受限条件下，系统仍可维持自主感知与定位闭环；②生成性，即测绘成果以动态环境模型形式持续生成，并实时支撑导航与决策；③闭环性，即测绘不再处于“采集—处理”的末端环节，而是深度融入感知、认知与行动过程，成为无人系统持续运行的时空信息基础。
1.4 范式演进：从数字化测绘到自主测绘
测绘技术的信息化演进依次经历数字化、网络化与智能化3个阶段。其中，智能化测绘是其高级形态。在传统数字化与网络化范式下，测绘流程通常呈现为“规划—采集—处理—分析—应用”的分段式链条，各环节以数据交付为主要衔接方式[15]。在低空复杂场景中，无人系统首先面对的是环境不确定性、运行风险与安全约束，仅依赖既有流程已难以支撑其在动态环境中的自主运行，其核心目标需从信息支撑任务转向能力支撑生存。
由此，低空应用场景推动测绘范式由数字化测绘向自主测绘演进（图3），标志着智能化测绘进入面向无人系统的新阶段。其核心转变在于：测绘不再只是服务于任务完成（先测绘、再决策），而是直接参与无人系统对环境的理解、判断与行动决策（边测绘、边决策）。这一演进集中体现在4个方面：①从人工主导规划转向无人系统自主适应环境的在线规划；②从静态成果导向转向持续更新的动态环境表达；③从被动执行采集任务转向基于环境认知的主动行为调整；④从服务作业流程的测绘扩展至服务无人系统安全生存的环境建模。因此，需要构建自主测绘能力体系。
1.5 能力闭环：从“感知—定位—建图—决策”分离到一体化
自主测绘要求构建一套以无人系统安全生存为目标的一体化能力体系，实现从数据获取到认知判断再到行动执行的闭环运行，需要具备：①自持感知能力，即能独立识别环境结构、动态变化与语义要素，在结构遮挡、光照变化或动态场景中仍维持稳定感知，在复杂空间中“看得见”；②自主定位能力，即通过弹性融合、多尺度参照与环境约束构建可持续闭环，在GNSS受限时仍“定得准”；③动态地图更新能力，即在行动过程中持续生成和维护环境模型，使系统“懂环境”；④监督判断能力，即实时评估地图可信度、环境风险、位姿精度与电量等，从而“知风险”；⑤自主决策规划能力，即能够在障碍突现、通信中断、风场扰动等情况下快速给出合理行动，使系统“走对路”。上述5项能力共同构成“数据—认知—决策”的闭环，并演进为低空无人系统持续运行与安全决策的核心能力基础。
1.6 实践案例：自主测绘能力的现实表现
为应对未知、无图、高动态环境下的自主运行需求，自主测绘已成为国内外研究的重要前沿方向。国外方面，DARPA地下挑战赛（SubT）系统考察了无人系统在未知地下空间的快速探索、导航与测绘能力，由NASA-JPL、MIT、Caltech等机构组成的CoSTAR团队围绕多传感器融合自主导航、实时建模与自主探索开展工程化部署，在天然洞穴、矿井及廊道环境中完成导航、测绘与搜索任务[16-17]，验证了从“先采集—后处理”向“边测绘—边决策”转变的能力范式。国内方面，武汉大学团队研制的“珞珈探索者”自主测绘系统（图4）[12,18]面向地下空间、灾害现场、月球次地表等典型非暴露未知环境，以多源传感器协同感知为基础，构建持续感知、动态建图与模型自更新机制，使系统在GNSS与通信受限条件下仍能维持空间认知与自主导航，形成“感知—定位—建图—决策”一体化的闭环能力。
上述国内外实践表明，在弱依赖、动态复杂环境中，测绘已不再以独立的数据生产形态存在，而是深度嵌入路径规划、任务调度与风险规避，成为支撑无人系统持续运行的内生能力。
在低空领域，自主测绘成为一种同时面向低空基础设施构建与安全运行的时空信息获取与认知方式。一方面，它已成为低空环境感知、态势更新与运行支撑的关键数据与模型来源；另一方面，它也为无人系统在弱依赖环境中维持安全飞行与任务执行提供内生支撑。
2 低空数智大脑
未来低空是多机运行的密集环境，其安全运行需要依赖外部基础设施的协调与管控[19]。城市上空需要实时空域管理，跨区域作业需要统一时空基准，而安全监管、应急响应、资源调度更需要态势共享。为此，需要构建服务低空的时空信息基础设施，并在其之上集成感知网络、智能计算与协同决策能力，形成低空数智大脑。自主测绘通过持续获取低空环境中的多源时空信息，为低空数智大脑提供高实时、高可信的数据基础。低空时空信息基础设施、低空数智大脑与无人自主测绘三者共同构成低空空间从感知、认知到决策的完整技术链条，是推动低空经济系统化、可控化和可持续发展的关键环节。
低空数智大脑的任务有3个：①为无人系统提供稳定、连续、可验证的外部参照，使其具备更高水平的定位、监管与协同能力；②通过全域低空感知网络和智能算力，实现空间状态的实时掌握与预测，为安全运行提供外部保障；③为政府监管与产业应用提供统一的数据底座，使低空成为可管理、可调度、可治理的公共基础空间。为此，本文提出“1+2+3+N”架构，即以“一张网、二中心、三张图、N场景”为核心架构的低空数智大脑体系（图5）。
图5 面向低空空域全方位感知与服务的低空数智大脑
Fig. 5 Low-altitude digital-intelligent brain for omnidirectional perception and services
2.1 总体架构
在“1+2+3+N”的架构中，“一张网”负责低空环境与飞行活动的持续可感知，“二中心”承担态势理解与智能决策，“三张图”构建可共享、可推演的统一时空认知框架，“N场景”则体现该体系面向多元应用的开放性与扩展性。
（1）一张网：天空地一体化的实时监测网络，为在复杂、多变的低空环境中获得连续、可靠、可扩展的基础感知能力，由5类子网协同构成：①卫星星座，以“东方慧眼”等低轨星座[20]为代表，提供低空全域、可重访的天基观测；②低空信号网，由地基与中继节点构成的低空通信—广播—中继体系[21]，提供高可用通信与目标识别支撑；③北斗增强网，依托地基北斗增强站[22]与星基增强信号，提供高精度、高完好性的定位导航与统一时空基准；④气象感知网，对低空风场、湍流、能见度、降水等敏感要素持续观测，是飞行安全保障的基础；⑤电磁感知网，对频谱占用、干扰源等进行实时监测。5类子网共同构成“通信—导航—遥感—气象—电磁”一体化的天空地监测网络，形成低空数智大脑的基础感知底座。
（2）二中心：安全监控中心与时空AI计算中心。在低空飞行活动持续增加、运行状态快速变化的背景下，仅有感知能力并不足以支撑安全与高效运行，关键在于如何将海量实时数据转化为可理解、可预测、可调度的运行态势。这需要在感知之上构建具备综合分析与智能决策能力的中枢。具体来说，①安全监控中心面向运行安全，负责空域态势分析、航迹冲突检测、飞行事件监测与风险预警，是低空运行的安全中枢[23]；②时空AI计算中心则面向智能治理，通过对动态场景、轨迹等数据进行深度学习与推理分析，支撑预测性监管与多机协同调度，是实现低空规模化运行的核心算力与算法平台[24]。
（3）三张图：支撑全域治理的统一时空模型体系。低空运行是一个涉及多主体、多时间尺度和多空间层级的复杂系统问题。为此，低空数智大脑需要一套能够被不同系统、不同角色共同理解和使用的统一时空表达形式，以支撑协同决策与长期治理。在此基础上，①低空航路图为飞行器提供结构化、可约束的空域框架[25]；②实时状态图动态呈现低空区域内的飞行目标、环境要素与运行状态；③态势预测图则基于时空模型对未来几分钟至数小时的流量分布与风险演化进行推演，为无人机自主飞行、自主测绘任务规划以及监管部门提供预测性决策依据。
（4）N场景：面向应用的系统化服务能力，是低空数智大脑从基础能力走向实际价值释放的关键环节。通过对感知、计算与时空认知能力进行统一封装与调度，以标准化、可组合的方式支撑多类型低空应用场景运行，实现能力向服务的转化。
这种以通用底座支撑多样需求的模式，有助于避免场景割裂与系统重复建设，提升低空基础设施的整体利用效率，为未来低空无人系统高速航路、应急响应、物流运输、城市精细化治理、生态保护等应用提供持续、可靠的时空支撑。值得一提的是，在构建低空时空基础设施过程中，需要同步建立数据安全与隐私保护机制，例如通过敏感区域自动识别与屏蔽、分级数据访问控制、加密存储与审计机制等方式，确保低空数据在采集、传输与应用全过程中的安全与合规。
2.2 核心支撑能力：高精度时空数据驱动低空治理与资源调控
低空数智大脑本质上是一套以高精度、广覆盖、连续稳定的多源时空信息为核心驱动力的基础设施体系。其运行首先依赖对低空态势的整体感知，即对航迹、高度、气象、障碍物、电磁环境等要素的持续获取与融合。依托自主测绘系统提供的观测数据、定位导航与环境模型，构建一个可实时更新、长期维护的低空数字底座[26]，为各类低空活动提供统一认知基础。
在此基础上，高精度时空数据进一步支撑低空空域的精细化调控，使空域具备可配置、可计量和可管理的资源属性。通过对飞行轨迹、通信状态、地面活动和任务需求的统筹调度，可实现冲突预警、航路调整、任务分配与容量管理，在不增加空域负担的情况下提升运行效率。同时，多源数据支撑的安全监测、弱信号区域识别和协同导航辅助，有望增强复杂环境下的运行稳定性，为低空运行提供看得见、管得住、靠得上的基础保障。
2.3 运行机制：从被动监管到主动服务的智能调控模式
低空数智大脑是一种面向低空经济长期发展的运行与治理机制，从事后管控转向事前预防与过程支持。因此，需引入主动式智能调控，通过持续态势感知、风险预判和行为引导，对飞行器从起飞前准备、飞行中运行到落地后的全过程提供支撑，使系统能够在空域拥挤、环境变化或突发事件出现时，及时生成调整方案并提供飞行建议，必要时可进行适度介入，保障任务连续与安全。同时，系统支持不同任务之间的优先级协调，例如对应急救援、公共服务和商业运行进行差异化调度，实现空域资源的弹性使用。
2.4 实践案例：城市低空自主测绘的应用探索
国内已经围绕城市低空空间治理与运行保障开展了多项探索。这些实践以高精度时空数据为核心，将低空感知、空间表达与运行组织有机融合，为前述低空数智大脑与运行机制提供了初步的现实验证。
在低空空间基础感知与表达方面，武汉市测绘研究院的“城市智眼”（图6）[27]和广州市城市规划勘测设计研究院的“广州鹰眼”具有代表性，二者以多源遥感、地面感知与低空平台协同为基础，将建筑物、道路廊道、重点设施与动态活动区域纳入统一的低空测绘与建模框架，构建覆盖城市核心区的多尺度低空空间模型，为低空运行风险评估、事件监测与辅助决策提供基础支撑，体现出低空治理由静态管理向动态认知的转变。在低空航路与运行组织方面，武汉大学等团队提出“适飞空间计算—航路智能生成—人机地图动态更新”一体化体系，通过多因子风险建模与适飞空间动态表达推动航路从经验规则向智能生成转变；在此基础上形成的“天路图”系统[28]集成风险评估、适飞计算、航路生成、规划与导航等功能，构建了面向城市低空运行的三维航路地图体系；同时，“四维天穹低空航路服务系统”[29]融合高精度三维数字底座、全数字低空航路与图数一体化航图表达，通过规则库与多层级协同规划，实现低空航路从静态地图产品向动态运行服务的拓展。
图6 “城市智眼”低空遥感监控系统显示界面
Fig. 6 Display interface of “Urban-Smart-Eye” low-altitude remote sensing monitoring system
上述实践表明，以高精度时空数据为核心、以自主测绘为重要支撑的低空系统，已具备在城市尺度服务低空治理与运行管理的现实基础；但现有实践仍处于探索与示范阶段：感知数据的时效性与跨区域一致性受平台与更新机制制约，航路与适飞空间多依赖规则设定和离线计算，且各系统在数据模型与服务接口方面缺乏统一标准。如何进一步强化低空感知的持续性与自主性、完善航路与适飞空间的动态演化机制、推动低空时空数据与服务的标准化协同，是低空数智大脑从示范走向体系化建设亟须解决的关键问题。
3 低空无人系统自持能力
在低空数智大脑构建的统一时空认知与运行框架下，低空无人系统成为被感知、被调控、被协同的基本运行单元。然而，任何基础设施调控能力都不能完全替代无人系统自身的安全生存能力。在弱依赖、强不确定的低空环境中，无人系统首先必须具备独立感知环境、判断风险并做出合理行动的能力，才能成为可管理、可信赖的运行主体。因此，低空无人系统的自持能力既是对基础设施能力的补充，也是其前提条件。本文围绕低空安全生存这一核心目标，系统阐述弱依赖条件下的感知、定位、建图、监督判断与自主决策5大关键能力（图7）。
图7 面向安全的低空无人系统自持能力体系
Fig. 7 Safety-oriented self-sustaining capabilities for low-altitude intelligent autonomous systems
3.1 自持感知能力：弱依赖环境下的安全视界
在低空弱依赖环境中，无人系统首先面临的问题是能否持续、可靠地感知周围环境。光照剧烈变化、空间遮挡频繁、动态障碍物密集以及纹理与结构退化，使低空感知成为影响飞行安全的重要不确定因素之一。若缺乏稳定感知，后续的定位、建图与决策将失去可信基础。为此，需要依托GNSS、惯性、相机、激光雷达、毫米波雷达、磁、气压等多源传感器，构建多模态融合的环境感知体系，通过信息互补与冗余约束，在部分传感器退化或失效时仍维持对环境的基本认知能力，从而形成弱依赖条件下的安全视界。此外，感知的目的在于理解与预测。无人系统需从复杂场景中提取可用于决策的结构化信息，包括空间结构、动态目标与关键语义要素，并对潜在风险进行前瞻性判断，为后续定位可信度评估、路径规划与行为决策提供依据。因此，自持感知能力不仅是自主测绘闭环的起点，更是保障无人系统在复杂低空环境中持续安全运行的基础能力。
3.2 弹性自主定位能力：连续可信的动态坐标基准
弱依赖低空环境中，外部绝对定位基准体系难以保持连续稳定。因此，飞行器需构建能够随环境、随时间动态更新的自主坐标基准，并在缺乏外部基准时保持可持续的定位。在弹性定位、导航与授时[30]框架下，常通过多源传感器弹性融合[31]、自对准[32]、自标定[33]、精度量化[34]等方式，实现对局部动态参照系的实时维持与质量评估。不同于传统静态基准对外部先验信息的依赖，动态基准应为一种自生成、自维护的位置框架，能够随飞行路径的展开不断扩展或压缩，适应遮挡、光照变化、纹理退化等条件。此外，在多机场景中，动态坐标基准可进一步通过稀疏地图共享和相对定位支撑多机信息对齐、融合，使各无人机在弱通信条件下仍能维持群体尺度的一致空间认知。整体而言，弹性自主定位保障无人系统在无外部依赖条件下仍能定得准、稳得住，是弱依赖低空环境中生存闭环的重要支柱。
3.3 动态地图更新能力：面向生存级决策的时空模型重构
低空环境的难点在于持续变化：交通流、风场扰动、突发事件都可能短时间内改变环境结构。因此，无人系统必须具备在飞行过程中连续重建、持续校正、在线刷新环境模型的能力，以保证导航、避障与决策逻辑始终依赖最新状态[35]。因此，需要从静态地图走向时空场景图，融合视觉、点云、惯性、磁、气压等多模态数据，构建包含结构层、语义层、动态层、风险层等的复合地图[36]，并对动态目标进行时空轨迹预测，使地图更新与下一步决策形成互馈。动态地图更新能力为系统提供世界模型预测，是自主作业的关键一步。
3.4 自主监督判断能力：面向飞行安全的实时认知机制
在低空弱依赖环境中，飞行器面临由传感器退化、定位漂移、地图不完整、气象扰动以及动力系统波动等多种因素叠加形成的不确定性。这些风险以渐进、隐蔽的方式累积，一旦超过系统可承受阈值，便可能演化为事故。因此，无人系统需要实时监测感知质量、定位置信度、气象状况、能量状态和可能的动态目标威胁，通过统一的监督判断机制加以对齐和综合评估，形成对整体安全态势的准确认知[37]。从能力结构上看，自主监督判断是连接感知、定位、建图与决策的关键枢纽，它并不替代其他能力，而是对其可靠性进行持续评估与约束，始终围绕飞行安全和系统生存进行动态权衡与决策，成为低空复杂环境中实现长期、稳定、自主运行的关键保障。
3.5 自主决策执行能力：综合多重因素的行动中枢
自主决策执行能力是低空无人系统安全生存闭环的关键输出环节，也是前述感知、定位、建图与监督判断能力转化为实际行动的落点。在低空弱依赖环境中，延迟或错误决策都可能放大为安全风险。因此，自主决策需要在有限时间内综合权衡多种约束，形成可行且安全的行动方案[38]。在具体执行层面，需要基于实时更新的环境模型和风险评估结果，动态完成路径规划[39]、避障、航迹优化与任务调度[38]等过程，且决策目标往往从效率最优转向风险可控，体现出面向生存的决策导向。从系统层面看，自主决策执行能力将动态地图、风险评估和任务目标转化为可执行的飞行行为，是自主测绘得以在低空发挥作用的关键支点。这一能力的成熟程度，直接决定了自主测绘在真实低空场景中的可用性、可靠性与规模化应用潜力。
3.6 实践案例：面向低空安全生存的自主测绘能力
结合笔者所在团队“珞珈探索者”自主测绘集群前期实践，围绕低空安全生存这一核心目标，构建并实践了一套低空无人系统自持能力框架（图8）。该框架围绕上述5类能力，形成贯穿“任务—环境—风险—行动”的闭环运行机制，力求在弱依赖、强不确定的低空环境中实现可持续、安全运行。
图8 低空无人系统自持能力框架
Fig. 8 Self-sustaining capability framework for low-altitude unmanned autonomous systems
具体来说：①在系统结构上，由多类型飞行平台与多模态传感器构成感知与运动执行基础，通过统一的数据管理与时间同步机制，实现异构传感信息的在线汇聚与质量控制。在平台侧集成GNSS、惯性、相机、激光雷达等多源传感器，支持按任务与环境条件进行传感器动态选择与配置。在此基础上，通过边缘侧数据压缩、信息同步与自组网通信，实现多机、多系统并行的协同感知与状态共享。②在核心能力层，围绕“感知—定位—建图—规划”的紧耦合关系，构建面向生存的自主测绘闭环。定位模块通过位置初始化、局部航位推算与全局基准对齐相结合的方式，维持动态坐标的连续性；建图模块以三维重建、变化检测与语义地图构建为核心，持续更新环境模型；感知与认知模块则对场景结构、动态目标与潜在风险进行识别与推理，为决策提供结构化输入。上述模块通过双向信息流实现实时互馈，使环境变化能够快速反馈至定位可信度评估与路径规划过程。③在系统运行层，规划与执行模块根据实时感知结果与风险评估，对任务路径、搜索策略和避障行为进行动态调整，体现出以安全优先为导向的决策逻辑。同时，引入自主监督机制，对感知质量、定位置信度、模型退化和风险指标进行持续监测，当系统状态接近安全边界时触发风险预警或策略调整，实现面向生存的能力转化。④在多机与人机协同方面，支持多无人系统并行与信息共享，并通过人机交互等方式实现对系统的监管。
总体来看，围绕低空安全生存构建的自主测绘能力体系在工程上具备可实现性，且能够通过多能力协同形成闭环。然而，从长期运行和规模化应用角度看，仍面临若干挑战：①多模态感知与建图在极端气象、强遮挡和高动态密集场景下仍存在性能退化问题；②自主监督与风险评估的判据仍以经验与规则为主，对复杂演化风险的预测能力有待提升；③多机协同在弱通信条件下的信息一致性与决策稳定性仍需进一步验证。这些问题也从实践层面表明，低空无人系统自持能力仍需在算法、系统与运行机制层面持续深化研究。
4 发展趋势
随着低空经济规模化展开，自主测绘将逐步演进为低空无人系统的核心能力，以及低空空域治理的重要支撑。未来的发展趋势不仅体现在算法和传感器能力的提升，更体现在个体与群体智能协同、主动感知策略、世界模型构建以及低空基础设施体系的系统化融合（图9）。
图9 低空自主测绘发展趋势展望
Fig. 9 Outlook on development trends of low-altitude autonomous surveying and mapping
4.1 从个体自主到群体协同：多无人系统自组织测绘体系
随着低空任务数量与运行密度持续提升，自主测绘将逐渐由单体作业模式向群体智能、分布式协同的自组织体系演化。在弱通信、动态环境及无先验地图条件下，多无人系统依靠分布式策略维持环境认知的一致性，例如通过局部地图片段共享、关键特征点跟踪以及动态障碍标签传播等邻域协同机制，在无需高带宽通信的情况下形成全局一致的观测结果。在此过程中，集群自主测绘体系还需要在群体层面引入资源调度与任务协同机制，例如通过任务分区与角色分配降低重复观测，通过边缘计算与数据摘要减少通信负荷，并通过动态带宽管理与优先级调度保障关键安全信息传输。通过基础设施层面的资源调度与无人系统层面的协同策略协同作用，可在保障系统稳定运行的同时显著提升集群自主测绘效率。
4.2 从被动感知到主动预见：自适应探索与风险感知调度
未来低空无人系统将从传统的被动飞行—被动观测模式转向基于任务需求的主动探索—主动补测模式。在这种模式中，无人系统不仅能按照预设路线执行任务，还能实时评估地图中信息缺失区域、环境危险程度和任务重要性，通过强化学习、模型预测控制等策略主动规划应该飞向哪里、从何角度观测，实现从数据驱动到信息驱动。在烟雾、风切变、结构复杂等高风险区域，系统会自动采取保护策略，包括降低速度、缩短航迹段、增加传感频率或重新规划路径，以防止环境退化导致感知失效。主动感知使自主测绘不再局限于简单的地图构建，而成为低空运行安全的主要保障机制，为低空经济从可用走向可靠提供关键技术支撑。
4.3 从静态地图到时空场景图：通向世界模型的技术路径
随着低空环境动态性增强，仅依靠静态地图难以支撑高频度、多主体运行的低空经济需求。未来的发展趋势是构建涵盖结构、语义、动态要素以及时空预测能力的低空世界模型[40]。这种世界模型以场景图为组织形式，将建筑物、道路、树木、飞行器等空间对象及其语义关系统一表达，通过多层结构图提升无人系统对环境的理解力。在此基础上，深度时序模型可用于预测行人、车流、鸟群、风场等未来动态变化，使无人系统具备预见性运行能力。此外，可解释地图系统将增强模型透明度，使飞行策略不仅可计算，而且可理解，从而增强监管可信度。世界模型的出现意味着自主测绘不再限于环境静态重建，而是成为低空数智大脑的核心输入，为空域预测、规划、风险控制和政策制定提供前所未有的时空知识表达能力。
4.4 从单任务飞行到多场景融合：低空无人系统的跨域能力
低空经济涉及城市场景、森林植被区、半暴露空间、灾害区域、海岸带等高度异质环境，不同场景之间在光照条件、纹理结构、障碍分布、电磁环境和动态程度上差异巨大，使单场景优化模型无法满足跨区运行需求。未来的自主测绘系统将能够在多场景之间进行迁移学习和自适应调节，增强模型的泛化能力。例如，系统能从城市峡谷中学习纹理不稳定时的定位策略，并迁移到森林场景中的光照退化环境；能在矿山半暴露空间中识别传感器退化机理，并在灾害区的烟尘环境中保持稳定。通过构建具备场景辨识、参数自适应与能力切换的跨域策略体系，无人系统将能够在任务突发、环境极端和资源受限的条件下稳定运行。
随着上述能力的不断提升和融合，自主测绘将从传统空间数据生产技术，演进为支撑低空系统运行与低空空域治理的关键基础能力，并逐渐成为低空数智大脑的重要信息来源与运行基础，为低空经济的安全运行、规模化管理与持续发展提供核心时空支撑。
5 结论
本文面向弱依赖、复杂动态低空环境中飞行器安全与可控运行需求，系统分析了低空场景的运行特征与空域复杂性，提出了自主测绘的基本内涵。通过对低空任务形态与运行风险的综合分析，构建了面向低空场景的自主测绘总体框架，推动由“任务化”模式向支撑无人系统持续运行的“能力化”方式扩展。在系统层面，提出以低空数智大脑为核心的运行支撑体系，通过汇聚低空环境信息、无人系统状态与空域资源，实现低空运行的协同感知与智能调度；在个体层面，构建了由自持感知、弹性自主定位、动态地图更新、自主监督判断与自主决策执行构成的五角能力体系，使飞行器能够持续感知环境、识别风险并调控自身运行状态。基于此，自主测绘构成低空运行体系、治理机制与服务模式的基础性要素，塑造低空经济得以安全运行和持续演化的时空基石。
从测绘学科发展的角度看，自主测绘为低空经济时代测绘技术体系的发展提供新的路径：依托具身智能测绘装备，推动测绘感知能力由被动获取向自主探测延伸，并结合空间智能方法，使测绘成果由静态数据产品演化为支撑智能决策的能力体系。面向未来，自主测绘将呈现由单体自主向多系统协同、由被动感知向主动探索与风险驱动决策，并由静态地图构建向动态可预测时空场景表达发展的趋势。通过构建面向无人系统的低空世界模型，自主测绘将在低空运行管理、公共服务保障与安全监管中发挥重要作用，并推动测绘学科由“空间数据生产者”向“低空运行能力支撑者”拓展。
京公网安备 11010802031220号