面向深地工程无人车自主巡检的基于轨迹预测的动态避障与围岩等级智能判识系统研究

Research on an Autonomous UGV Inspection System Integrating Trajectory-prediction-based Dynamic Obstacle Avoidance and Intelligent Rock-mass Grade Classification for Deep Underground Engineering

摘要

围岩级别是深地工程开挖方案优化、支护参数调整和风险防控的重要依据。针对传统人工围岩级别判识存在作业风险高、效率低、主观性强和一致性不足等问题，面向深地工程无人车自主巡检与围岩智能判识需求，构建基于 EP‒TSHNet‒PRA的无人车隧道自主导航与掌子面信息采集流程，并面向掌子面图像开展围岩等级智能判识与可解释结果展示。主要研究内容与结果如下：1）构建EP‒TSHNet多模态轨迹预测方法，通过趋势状态时间编码、混合图交互建模和终点原型分层解码，实现动态障碍未来运动趋势预测，在ETH‒UCY和SDD数据集上，20条候选轨迹的最小平均位移误差和最小终点位移误差分别为0.17和0.30、7.66和13.20。2）设计基于轨迹预测的动态避障方法EP‒TSHNet‒PRA，将多模态预测轨迹转化为前瞻风险信息，并用于局部代价更新、碰撞风险判定和安全速度约束，在ROS/Gazebo隧道仿真场景中将平均避障成功率由60.0%提升至90.0%，并实现“起点出发—隧道动态避障—到达掌子面目标区域—图像采集—返回过程避障—返回起点”的闭环巡检过程。3）提出CA‒RepViT‒Rock掌子面围岩等级智能判识方法，通过多尺度特征增强、注意力机制和混淆类别细分提升围岩等级判识能力，并结合Grad‒CAM++在代表性原始掌子面图像上展示模型关注区域；在由180张独立测试原始图像提取的678个测试图像块上，模型的整体分类准确率、类别平均F1值和样本加权F1值分别达到0.927 7、0.921 1和0.927 5。研究成果可为深地工程无人车自主巡检、掌子面围岩快速判识及现场辅助决策提供方法依据与技术支撑。

Abstract

Objective Rock-mass grade assessment at the tunnel face provides an essential basis for excavation-scheme optimization, support-parameter adjustment, and construction-risk control in deep underground engineering. Manual assessment based on close-range geological observation, field sketching, empirical judgment, and standardized evaluation is affected by operational risks, low efficiency, subjectivity, and inconsistent judgment. Autonomous unmanned ground vehicle (UGV) inspection reduces personnel exposure and supports close-range tunnel-face information acquisition. However, deep underground tunnel environments involve Global Navigation Satellite System (GNSS) denial, narrow spaces, dust interference, low illumination, and dynamic obstacles such as workers and construction equipment. These conditions require the UGV to predict the future motion of dynamic obstacles, avoid potential collisions, acquire tunnel-face images, and provide reliable visual inputs for rock-mass grade classification. This study develops an autonomous UGV inspection framework combining multimodal trajectory prediction, prediction-based dynamic obstacle avoidance, tunnel-face image acquisition, intelligent rock-mass grade classification, and explainable result visualization. Methods A multimodal trajectory prediction network, named the Endpoint-Prototype-Guided Trend-State Hybrid Network (EP-TSHNet), was constructed to predict dynamic-obstacle motion. Historical trajectories were transformed into relative-displacement sequences. For the ETH-UCY and SDD benchmarks, the prediction setting adopted 8 observed frames, 12 future frames, and 20 candidate trajectories. EP-TSHNet included a trend-state temporal encoder, a hybrid graph interaction encoder, and an endpoint-prototype-guided hierarchical multimodal decoder. The trend-state temporal encoder extracted local displacement changes, velocity changes, acceleration changes, and terminal motion trends from historical trajectories. The hybrid graph interaction encoder modeled spatial-proximity relationships and motion-feature similarity relationships among dynamic targets. The endpoint-prototype-guided hierarchical multimodal decoder generated representative future endpoint prototypes, branch-level motion variations, anchor trajectories, residual refinements, and modal probabilities. The training objective combined multimodal trajectory-distribution loss, endpoint auxiliary supervision, mean-displacement auxiliary supervision, endpoint-prototype matching, and prototype-separation constraints. Based on EP-TSHNet, a trajectory-prediction-based dynamic obstacle-avoidance method, EP-TSHNet-PRA, was designed. Dynamic targets were detected and tracked from laser-sensing data, and their historical trajectories were used for online trajectory prediction. The predicted trajectories were transformed into look-ahead risk information and incorporated into local cost-map updating, collision-risk corridor assessment, and safe-velocity constraints. Dynamic obstacle-avoidance experiments were conducted on a Robot Operating System (ROS)/Gazebo tunnel-simulation platform using a Husky A200 UGV. Low-, medium-, and high-density dynamic-obstacle scenarios were constructed, and a closed-loop inspection task was designed, including start-point departure, tunnel dynamic obstacle avoidance, tunnel-face target-region arrival, image acquisition, return-trip obstacle avoidance, and final arrival at the starting point. For tunnel-face rock-mass grade classification, a confusion-aware RepViT-based rock classifier, CA-RepViT-Rock, was developed. The network used RepViT-Rock as the feature-extraction backbone and incorporated multi-scale depthwise convolution, the Convolutional Block Attention Module (CBAM), a multi-pooling cosine classification head, and confusion-category refinement branches. A tunnel-face image dataset from an under-construction tunnel project in northwest China was used. The dataset contained 1 800 high-resolution original tunnel-face images of four rock-mass grades, including Ⅲ-1, Ⅲ-2, Ⅳ, and Ⅴ. The original images were first grouped according to their source tunnel faces and then divided into training, validation, and test sets at a ratio of 70%, 20%, and 10%, corresponding to 1 260, 360, and 180 original images, respectively. Local image patches were subsequently extracted separately within each subset from the effective rock-mass regions and subjected to unified size preprocessing before being fed into the network. Each local image patch inherited the expert-reviewed rock-mass grade label of its source original image. The 180 original test images yielded 678 test patches. Quantitative classification metrics and the confusion matrix were calculated on the 678 test patches. Separately, representative original tunnel-face images from the test set were preprocessed and fed into the trained model for qualitative classification and interpretability analysis. Intermediate-layer feature responses, Gradient-weighted Class Activation Mapping (Grad-CAM), and Grad-CAM++ visualizations were generated from these original images. The original-image-level results were used only for qualitative analysis and were not included in the patch-level performance statistics. Results and Discussions EP-TSHNet achieved minADE₂₀/minFDE₂₀ values of 0.17/0.30 on ETH-UCY and 7.66/13.20 on the Stanford Drone Dataset (SDD), demonstrating its applicability to pedestrian-interaction and aerial-view complex-motion scenarios. On SDD, compared with TDAGCN, EP-TSHNet reduced minADE₂₀ and minFDE₂₀ by approximately 12.06% and 13.39%, respectively. The ablation experiment on SDD showed that removing any key module or constraint degraded prediction performance. Removing the endpoint-prototype-guided hierarchical multimodal decoder increased minADE₂₀/minFDE₂₀ from 7.66/13.20 to 8.76/15.34, demonstrating the importance of endpoint prototypes and branch expansion for multimodal-intention coverage. Removing the hybrid graph interaction encoder increased the errors to 8.21/14.44, indicating the contribution of target-interaction modeling. Removing the trend-state temporal encoder, endpoint auxiliary supervision, mean-displacement auxiliary supervision, or the prototype-separation constraint also increased the prediction errors. In the dynamic obstacle-avoidance experiments, the conventional method without look-ahead prediction achieved success rates of 80.0%, 65.0%, and 35.0% in low-, medium-, and high-density scenarios, respectively, with an average success rate of 60.0%. EP-TSHNet-PRA achieved success rates of 100.0%, 95.0%, and 75.0% under the same conditions, increasing the average success rate to 90.0%. The results showed that the predicted-trajectory cost regions and safe-velocity constraints enabled the local planner to avoid future occupied areas before dynamic obstacles entered the immediate collision region. In the closed-loop inspection task, the UGV completed autonomous navigation, dynamic obstacle avoidance, tunnel-face image acquisition, and return navigation under varying dynamic-obstacle densities and dust interference. For patch-level rock-mass grade classification, the 678 test patches comprised 77, 139, 385, and 77 patches of grades Ⅲ-1, Ⅲ-2, Ⅳ, and Ⅴ, respectively. The corresponding numbers of correctly classified patches were 75, 119, 365, and 70, yielding 629 correctly classified patches and an overall patch-level Accuracy of 0.927 7. CA-RepViT-Rock achieved a Macro-F1 of 0.921 1 and a Weighted-F1 of 0.927 5. The patch-level F1-scores for grades Ⅲ-1, Ⅲ-2, Ⅳ, and Ⅴ were 0.967 7, 0.875 0, 0.944 4, and 0.897 4, respectively. The normalized patch-level confusion matrix showed correct recognition rates of 97%, 86%, 95%, and 91% for grades Ⅲ-1, Ⅲ-2, Ⅳ, and Ⅴ, respectively. Misclassifications mainly occurred between adjacent grades, reflecting the continuous transition and indistinct boundaries of local rock-mass visual features. Qualitative classification examples on representative original tunnel-face images showed that the selected images were correctly classified into their expert-reviewed grades. Grad-CAM and Grad-CAM++ visualizations generated from these original images showed that the model primarily focused on rock texture, fractures, broken zones, structural planes, and texture-transition regions. These original-image-level classification and visualization results were analyzed separately from the patch-level quantitative evaluation. Conclusions The results demonstrate that EP-TSHNet provides multimodal trajectory prediction for dynamic obstacles by integrating short-term motion-trend extraction, target-interaction modeling, and endpoint-prototype-guided multimodal decoding. EP-TSHNet-PRA transforms predicted trajectories into look-ahead risk information for local cost-map updating, collision-risk assessment, and safe-velocity control, improving UGV dynamic obstacle avoidance in tunnel-simulation scenarios. CA-RepViT-Rock achieved effective patch-level tunnel-face rock-mass grade classification, while separate qualitative analysis on representative original tunnel-face images illustrated its classification responses and attention regions through intermediate-layer feature responses and Grad-CAM++. The developed study framework combines autonomous UGV navigation, dynamic obstacle avoidance, and tunnel-face image acquisition with separately validated patch-level rock-mass grade classification and original-image-level interpretability analysis, providing a basis for future on-site closed-loop integration. The results provide a methodological foundation for autonomous UGV inspection, safe tunnel navigation, close-range tunnel-face information acquisition, and intelligent rock-mass grade assessment in deep underground engineering.

Graphical abstract

关键词

深地工程 / 无人车巡检 / 轨迹预测 / 动态避障 / 围岩等级智能判识

Key words

deep underground engineering / unmanned ground vehicle (UGV) / trajectory prediction / dynamic obstacle avoidance / intelligent rock-mass grade classification

本刊网刊

受深地原位环境与工程扰动影响，深地岩体介质属性和裂隙结构随时间持续劣化，使围岩承载力下降，继而导致工程灾害呈现频率高、能级大、预测难、控制难等特点（图1（a））^[1‒3]。在此背景下，快速、准确、客观地判识掌子面围岩级别，可为开挖方案优化、支护参数动态调整和施工风险防控提供关键依据^[4‒5]。

传统围岩等级判识主要依赖地质人员近距离观察、现场地质素描、经验判识和规范化综合评价。该类方法能够结合现场地质信息和工程经验对围岩质量进行判定，但其结果易受人员经验、观察条件和判识尺度影响，存在风险高、效率低、主观性强、一致性不足等问题。

在此背景下，无人机、无人车及固定监测设备等智能巡检方式为替代或辅助人工开展近距离围岩等级判识提供了新的技术路径^[6]，有助于降低人员暴露风险，提高现场信息获取效率，并增强围岩判识的客观性和一致性。其中：无人机机动性强，但在狭窄、低照度和粉尘环境下易受续航、载荷和飞行稳定性限制；固定监测设备稳定性较好，但覆盖范围受布设位置约束；相较之下，无人车承载能力强、运行稳定，便于搭载高清相机、激光雷达和边缘计算单元等感知与计算设备（图1（b）），适合在狭长巷道内开展连续近距离巡检^[7‒9]。本文以无人车为移动巡检平台，由车载高清相机等视觉设备完成掌子面围岩图像采集，并为后续围岩等级智能判识提供图像输入。

然而，深地工程巡检环境通常存在全球导航卫星系统（GNSS）拒止、低照度、粉尘干扰和动态障碍物干扰等问题。其中，低照度和粉尘会影响掌子面图像采集质量，人员、机械等动态障碍则会使无人车局部碰撞风险呈现显著时变性和不确定性。因此，如何实现面向深地工程环境的无人车基于轨迹预测的动态避障，是本文研究的第一个核心问题。

在存在诸多动态障碍物的深地工程环境中，无人车自主巡检依赖于对障碍物运动趋势的准确预判^[10]。仅使用障碍物当前位置信息难以实现安全、平滑的动态避障，而将轨迹预测与避障决策相结合，是提升导航鲁棒性的重要方式。近年来，相关研究在基于轨迹预测的动态避障方向取得显著进展。如：张岳等^[11]构建CNN‒BiGRU‒ATT行人轨迹预测模型，并将预测轨迹叠加至代价地图，以提升无人车路径规划的前瞻性。Qian等^[12]提出一种融合预测信息的APF避障方法，通过UKF预测多动态障碍车辆轨迹，并结合障碍物筛选和PPV‒APF策略提升多动态障碍场景下的避障效率。Zhao等^[13]提出融合车辆动力学约束的模型预测轨迹规划方法，在动态障碍预测基础上兼顾避障轨迹安全性与车辆稳定性。Zhang等^[14]将动态障碍避让约束嵌入非完整移动机器人模型预测控制过程，实现动态环境下的轨迹跟踪与避障。同时，多模态轨迹预测通过未来意图表征、多目标交互建模和候选轨迹生成，为动态障碍物未来运动趋势的准确预测提供了重要方法基础。

尽管上述研究已取得良好效果，但现有方法多面向开放道路交通或常规移动机器人场景，较少考虑深地工程隧道中GNSS拒止、空间狭窄、可通行区域受限和动态障碍物运动随机性强等特点，对预测结果在局部风险判定和速度约束中的利用也仍不充分。为此，本文构建基于终点原型引导的趋势状态混合网络（EP‒TSHNet）的轨迹预测驱动动态避障方法（EP‒TSHNet‒PRA，图1（c）），通过趋势状态时间编码、混合图交互建模和终点原型分层解码增强动态障碍物短时运动趋势、目标交互关系和多模态未来意图的表征能力，并将筛选后的预测轨迹转化为前瞻风险信息，用于局部代价更新、碰撞风险判定和安全速度约束，以实现更适用于深地工程环境下的基于轨迹预测的无人车动态避障。

本文研究的第二个核心问题是，在无人车完成掌子面近距离巡检并采集图像后，如何从复杂现场图像中快速、准确且可靠地识别掌子面围岩等级。近年来，围岩智能分级方法已从人工经验判识逐步发展到随钻参数识别、机器视觉识别和多源信息融合等方向^[15‒16]。如：Wang等^[17]利用智能凿岩台车自动采集的299组随钻参数构建围岩智能分类数据库，并基于机器学习方法建立钻爆法隧道围岩智能分类模型，实现围岩等级的自动判识。黄宏伟等^[18]围绕隧道开挖面机器视觉识别、围岩智能分级和开挖安全风险评价开展研究，提出基于开挖面图像特征和多源异构数据的围岩精细化分级方法，并指出施工期掌子面图像采集易受粉尘、照明、温湿度和施工工序交替等因素影响。王明年等^[19]进一步融合随钻参数和掌子面高清数码图像，分别构建随钻参数分级模型、掌子面图像分级模型和信息融合分级模型，验证了接触式随钻信息与非接触式图像信息融合在围岩等级判识中的有效性。Nie等^[20]提出基于COA‒XGBoost和可解释机器学习的TBM围岩等级识别方法，并结合SHAP分析不同特征对分类结果的贡献，提高了围岩判识模型可解释性。

上述研究为围岩智能分级提供了重要基础，但当面向复杂现场图像时，仍需进一步提升模型对图像质量波动、相邻等级混淆和判别依据可视化表达的适应能力。基于此，本文设计CA‒RepViT‒Rock掌子面围岩智能分级方法（图1（d）），通过多尺度特征增强、注意力机制和混淆类别细分提升围岩等级判识能力，并结合可解释热力图增强分类结果的现场可信度。

综上，本文集成局部定位与环境地图更新、动态障碍物轨迹预测、预测驱动动态避障、掌子面图像采集与围岩等级智能判识等功能模块，形成面向深地工程的无人车自主巡检框架（图1（e）），并可支撑工程现场中的掌子面围岩等级判识、可解释结果输出与辅助决策等工程任务（图1（f））。

主要贡献如下：

1）设计了用于深地工程环境的基于轨迹预测的动态避障方法EP‒TSHNet‒PRA。

2）集成局部定位与环境地图更新、预测驱动动态避障和图像采集等模块，构建了基于EP‒TSHNet‒PRA的无人车隧道自主导航与掌子面信息采集闭环流程。

3）提出了掌子面围岩等级判识的轻量化智能分级方法CA‒RepViT‒Rock。

1 系统设计与方法

1.1 基于轨迹预测的动态避障

为实现复杂地下工程环境中无人车对动态障碍物的提前避让，本文构建基于EP‒TSHNet的轨迹预测驱动动态避障算法，如图2所示，对动态目标未来运动轨迹进行多模态预测，并将预测结果应用于前瞻风险区域构建、导航代价地图更新和速度安全约束，从而实现在线动态避障。图2中，n为未来预测的时间步数。

1.1.1 动态轨迹预测网络

1）轨迹预测任务定义与输入表示

为避免历史观测索引、观测末时刻与未来预测步索引发生混淆，本文统一记t₀为观测末时刻；τ为历史观测窗口内的时间索引，τ=1,2,…,T_obs，第τ个历史观测点对应时刻为t₀-T_obs+τ；ℓ为未来预测步索引，ℓ=1,2,…,T_pred，第ℓ个未来预测点对应时刻t₀+ℓ。

设当前观测场景中共有N个动态目标参与轨迹预测。对于第i个目标，其历史观测轨迹可表示为{\mathit{X}}_i，如式（1）所示：

{\mathit{X}}_i=\{{\mathit{p}}_i^{\mathrm{1}},{\mathit{p}}_i^{\mathrm{2}},\cdots ,{\mathit{p}}_i^{T_{\mathrm{o}\mathrm{b}\mathrm{s}}}\},{\mathit{p}}_i^{\tau }=(x_i^{\tau },y_i^{\tau })（1）

式中，{\mathit{p}}_i^{\tau }表示目标在第\tau个观测时刻的二维位置；x_i^{\tau }和y_i^{\tau }分别表示目标的平面坐标。轨迹预测旨在基于动态目标历史轨迹及目标间交互关系，预测未来T_pred个时刻的多模态运动轨迹，并生成M条候选未来轨迹及对应模态概率。模型输入时，历史轨迹进一步转换为以观测末时刻位置为参考的相对位移序列，以增强不同场景下轨迹表示的一致性。

2）趋势状态时间编码器

为解决历史轨迹中短时运动趋势表征不足的问题，设计趋势状态时间编码器，其详细结构如图3所示。该编码器以历史相对位移序列为输入，通过基础时序特征分支与趋势状态建模分支提取局部位移变化、速度变化、加速度变化及末端运动趋势，形成融合后的时间运动表征，为后续目标交互建模和多模态轨迹解码提供输入。

首先，基础时序特征分支通过一维卷积和多层感知机残差映射提取局部时序特征，如式（2）所示：

{\mathit{F}}_{\mathrm{c}}=\mathrm{M}\mathrm{L}{\mathrm{P}}_{\mathrm{1}}(\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{v}\mathrm{1}\mathrm{D}(\mathrm{\Delta }\mathit{X}))+\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{v}\mathrm{1}\mathrm{D}(\mathrm{\Delta }\mathit{X})（2）

式中，Δ X 表示历史相对位移序列，\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{v}\mathrm{1}\mathrm{D}(\cdot )表示一维卷积操作，\mathrm{M}\mathrm{L}{\mathrm{P}}_{\mathrm{1}}(\cdot )表示该分支中的多层感知机映射， F_c表示基础时间特征。

其次，本文设计UAT‒SSM趋势状态建模分支，用于根据历史轨迹中的速度变化、加速度变化及末端运动趋势生成趋势状态特征{\mathit{F}}_{\mathrm{s}}，如式（3）所示：

{\mathit{F}}_{\mathrm{s}}=\mathrm{U}\mathrm{A}\mathrm{T}-\mathrm{S}\mathrm{S}\mathrm{M}(\mathrm{\Delta }\mathit{X})（3）

式中，\mathrm{U}\mathrm{A}\mathrm{T}-\mathrm{S}\mathrm{S}\mathrm{M}(·)表示本文构建的趋势状态空间建模操作。

随后，将基础时间特征 F_c与趋势状态特征 F_s进行自适应残差融合，如式（4）所示：

{\mathit{F}}_{\mathrm{i}\mathrm{n}}={\mathit{F}}_{\mathrm{c}}+\mathrm{t}\mathrm{a}\mathrm{n}\mathrm{h}\alpha ·{\mathit{F}}_{\mathrm{s}}（4）

式中，α为可学习调节参数，用于控制趋势状态特征在融合表示中的贡献。将融合后的特征输入sLSTM进行时间记忆增强，并经残差映射得到最终时间编码特征，如式（5）所示：

\mathit{H},\mathit{C}=\mathrm{s}\mathrm{L}\mathrm{S}\mathrm{T}\mathrm{M}({\mathit{F}}_{\mathrm{i}\mathrm{n}}),{\mathit{F}}_{\mathrm{e}\mathrm{n}\mathrm{c}}=\mathrm{M}\mathrm{L}\mathrm{P}(\mathit{H})+\mathit{H}（5）

式中： H 和 C 分别表示sLSTM输出的最终隐藏状态和最终记忆状态，用于混合图交互编码器中的目标状态交互增强；{\mathit{F}}_{\mathrm{e}\mathrm{n}\mathrm{c}}表示由隐藏状态 H 经多层感知机残差映射得到的最终时间编码特征，用于后续终点辅助监督、平均位移辅助监督和分层多模态解码。通过上述设计，趋势状态时间编码器能够同时表征局部位移变化、近期运动趋势和时间记忆依赖。

3）混合图交互编码器

为刻画多动态目标之间的邻近避让、同向移动和交叉运动等交互关系，本文设计混合图交互编码器，其详细结构如图4所示。该模块以趋势状态时间编码器获得的目标运动表征和目标间相对位置关系为输入，分别建模空间邻近关系和运动特征相似关系，并融合两类交互信息，形成交互增强的目标状态，为后续多模态轨迹解码提供群体交互信息。

具体而言，混合图交互编码器首先根据观测末时刻目标间的相对位置关系构建空间拓扑交互，用于描述近距离避让和空间约束；同时，根据目标运动表征之间的特征相似性构建特征相似交互，用于描述同向移动或相似运动趋势。随后，将两类交互信息通过自适应权重进行融合，并经融合特征映射得到最终交互特征，如式（6）所示：

{\mathit{M}}_i={\varphi }_{\mathrm{f}}({\beta }_i{\mathit{M}}_i^{\mathrm{t}\mathrm{o}\mathrm{p}\mathrm{o}}+(\mathrm{1}-{\beta }_i){\mathit{M}}_i^{\mathrm{s}\mathrm{i}\mathrm{m}})（6）

式中， M_i 表示融合后的交互特征，{\mathit{M}}_i^{\mathrm{t}\mathrm{o}\mathrm{p}\mathrm{o}}表示空间拓扑交互特征，{\mathit{M}}_i^{\mathrm{s}\mathrm{i}\mathrm{m}}表示特征相似交互特征，β_i 为自适应融合权重，{\varphi }_{\mathrm{f}} (·)表示由线性映射、层归一化和ReLU激活组成的融合特征映射。融合后的交互信息用于更新目标的记忆状态和隐藏状态，如式（7）所示：

{\tilde{\mathit{C}}}_i={\mathit{C}}_i+{\mathit{M}}_i,{\tilde{\mathit{H}}}_i={\mathit{H}}_i+\mathrm{t}\mathrm{a}\mathrm{n}\mathrm{h}{\tilde{\mathit{C}}}_i（7）

式中， H_i 和 C_i 分别表示第i个目标交互增强前的隐藏状态和记忆状态，{\tilde{\mathit{H}}}_i和{\tilde{\mathit{C}}}_i分别表示交互增强后的隐藏状态和记忆状态。连续执行两次混合图交互更新，使第一次更新后的目标状态继续参与第二次交互建模，以进一步细化多目标间的交互关系，并将两次迭代后的交互增强状态输入后续终点原型引导的分层多模态解码器。

4）终点原型引导的分层多模态解码器

为表达动态目标未来运动意图的不确定性，本文设计了终点原型引导的分层多模态解码器，其详细结构如图5所示。该解码器以时间编码和交互增强后的轨迹表征为输入，通过终点原型、分支扩展、锚轨迹构造和残差细化生成多条候选未来轨迹及其模态概率，从而增强模型对不同未来到达位置和局部运动形态的覆盖能力。

解码器首先根据时间编码特征生成K个代表性未来终点原型，用于表征动态目标未来可能到达的不同位置。随后，为每个终点原型引入B个分支嵌入，以刻画同一终点意图下的不同局部运动变化，因此候选轨迹数量可由式（8）确定：

M=K\times B（8）

本文设置K=4、B=5，最终生成M=20条候选未来轨迹。

在轨迹生成阶段，解码器根据观测末时刻位置和终点原型构造锚轨迹。对于第k个终点原型，其第ℓ个预测步的锚轨迹可表示为：

{\mathit{Y}}_{\mathrm{a}\mathrm{n}\mathrm{c}\mathrm{h}\mathrm{o}\mathrm{r},\mathit{𝓁}}^k={\mathit{x}}_{T,\mathrm{o}\mathrm{b}\mathrm{s}}+\frac{\mathit{𝓁}}{T_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}}({\mathit{g}}_k-{\mathit{x}}_{T,\mathrm{o}\mathrm{b}\mathrm{s}}),\mathit{𝓁}=\mathrm{1,2},\cdots ,T_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}（9）

式中，{\mathit{x}}_{T,\mathrm{o}\mathrm{b}\mathrm{s}}表示目标在观测末时刻的位置，{\mathit{g}}_k表示第k个终点原型。

随后，解码器在锚轨迹基础上进行残差细化，得到第m条候选预测轨迹，如式（10）所示：

{\widehat{\mathit{Y}}}^m={\mathit{Y}}_{\mathrm{a}\mathrm{n}\mathrm{c}\mathrm{h}\mathrm{o}\mathrm{r}}^k+\mathrm{\Delta }{\mathit{Y}}^m（10）

式中，{\widehat{\mathit{Y}}}^m表示第m条候选轨迹的预测，{\mathit{Y}}_{\mathrm{a}\mathrm{n}\mathrm{c}\mathrm{h}\mathrm{o}\mathrm{r}}^k表示由第k个终点原型构造得到的锚轨迹序列，\mathrm{\Delta }{\mathit{Y}}^m表示第m条候选轨迹的残差修正项。最终，解码器输出每条候选轨迹的位置参数、尺度参数和模态概率：

\{{\mathit{\mu }}_m,{\mathit{\sigma }}_m,{\pi }_m{\}}_{m=\mathrm{1}}^M（11）

式中， μ_m 、 σ_m 和π_m 分别表示第m条候选轨迹的位置预测、分布尺度和模态概率。通过“终点原型—分支扩展—锚轨迹—残差细化”的分层解码机制，模型能够生成具有不同未来意图和局部运动形态的多模态轨迹预测结果。

1.1.2 轨迹预测训练目标与优化策略

1）多模态轨迹分布损失

终点原型引导的分层多模态解码器输出M条候选未来轨迹，每条轨迹包含位置参数序列{\mathit{\mu }}_m=\{{{\mathit{\mu }}_m}_{,\mathit{𝓁}}\}{}_{\mathit{𝓁}=\mathrm{1}}^{T_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}}、尺度参数 σ_m 和模态概率π_m。为约束候选轨迹的位置分布和模态概率，训练时首先根据候选轨迹与真实未来轨迹 Y 之间的平均位移误差选择最优匹配模态，如式（12）所示：

m^{\mathrm{*}}=\underset{m}{\mathrm{a}\mathrm{r}\mathrm{g}\mathrm{m}\mathrm{i}\mathrm{n}}\frac{\mathrm{1}}{T_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}}{\displaystyle \sum _{\mathit{𝓁}=\mathrm{1}}^{T_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}}}{‖{\mathit{y}}_{\mathcal{l}}-{\mathit{\mu }}_{m,\mathit{𝓁}}‖}_{\mathrm{2}}（12）

式中，\mathit{Y}=\{{\mathit{y}}_{\mathit{𝓁}}{\}}_{\mathit{𝓁}=\mathrm{1}}^{T_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}}表示真实未来轨迹， y_ℓ 表示第ℓ个预测时刻的真实二维位置向量，{{\mathit{\mu }}_m}_{,\mathit{𝓁}}表示第m条候选轨迹在第ℓ个预测时刻的二维位置预测向量。

随后，对最优匹配模态计算基于拉普拉斯分布的轨迹回归损失，并根据各候选模态与真实轨迹的匹配程度构造软目标分布q_m，对预测模态概率π_m 进行分类监督。多模态轨迹分布损失可表示为式（13）：

{\mathrm{ℒ}}_{\mathrm{m}\mathrm{d}\mathrm{n}}={\mathrm{ℒ}}_{\mathrm{r}\mathrm{e}\mathrm{g}}^{m^{\mathrm{*}}}+{\lambda }_{\mathrm{c}\mathrm{l}\mathrm{s}}{\mathrm{ℒ}}_{\mathrm{c}\mathrm{l}\mathrm{s}},{\mathrm{ℒ}}_{\mathrm{c}\mathrm{l}\mathrm{s}}=-{\displaystyle \sum _{m=\mathrm{1}}^M}{q}_m\mathrm{l}\mathrm{g}{\pi }_m（13）

式中，{\mathrm{ℒ}}_{\mathrm{r}\mathrm{e}\mathrm{g}}^{m^{\mathrm{*}}}为最优匹配模态对应的拉普拉斯轨迹回归损失，{\mathrm{ℒ}}_{\mathrm{c}\mathrm{l}\mathrm{s}}为模态概率分类损失，{\lambda }_{\mathrm{c}\mathrm{l}\mathrm{s}}为分类损失权重。该损失同时约束候选轨迹位置、不确定性尺度和模态概率，有助于提高多模态轨迹预测的准确性与合理性。

2）终点辅助监督与平均位移辅助监督

为增强时间编码特征对未来运动趋势的表征能力，在主轨迹分布损失之外引入终点辅助监督和平均位移辅助监督。两类辅助监督均以趋势状态时间编码器输出的时间编码特征 F_enc为输入，分别预测未来终点位置和未来平均位移趋势。设真实未来终点为 e，真实平均位移为\overline{\mathit{d}}，对应预测结果如式（14）所示：

\widehat{\mathit{e}}=f_{\mathrm{e}\mathrm{n}\mathrm{d}}({\mathit{F}}_{\mathrm{e}\mathrm{n}\mathrm{c}}),\widehat{\mathit{d}}=f_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}}({\mathit{F}}_{\mathrm{e}\mathrm{n}\mathrm{c}})（14）

式中，\widehat{\mathit{e}}和\widehat{\mathit{d}}分别表示未来终点位置预测结果和未来平均位移预测结果，f_{\mathrm{e}\mathrm{n}\mathrm{d}}(\cdot )和f_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}}(\cdot )分别表示终点预测映射和平均位移预测映射。针对上述终点位置预测和未来平均位移预测，两项辅助监督损失分别定义为：

{\mathrm{ℒ}}_{\mathrm{e}\mathrm{n}\mathrm{d}}=\mathrm{S}\mathrm{m}\mathrm{o}\mathrm{o}\mathrm{t}\mathrm{h}\mathrm{L}\mathrm{1}(\widehat{\mathit{e}},\mathit{e}),{\mathrm{ℒ}}_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}}=\mathrm{S}\mathrm{m}\mathrm{o}\mathrm{o}\mathrm{t}\mathrm{h}\mathrm{L}\mathrm{1}(\widehat{\mathit{d}},\overline{\mathit{d}})（15）

式中，{\mathrm{ℒ}}_{\mathrm{e}\mathrm{n}\mathrm{d}}和{\mathrm{ℒ}}_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}}分别表示终点辅助监督损失和平均位移辅助监督损失，SmoothL1(·)表示平滑L1损失函数。通过终点辅助监督，模型能够提升对未来最终位置的预测能力；通过平均位移辅助监督，模型能够学习未来轨迹的整体运动方向和位移趋势，从而提升多模态轨迹预测的稳定性。

3）终点原型匹配与原型分离约束

为提高终点原型的有效性和多样性，引入终点原型匹配损失和原型分离约束。设解码器预测的终点原型集合为\mathit{G}=\{{\mathit{g}}_{\mathrm{1}},{\mathit{g}}_{\mathrm{2}},\cdots ,{\mathit{g}}_K\}，真实未来终点为\mathit{e}={\mathit{y}}_{T,\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}。终点原型匹配损失用于使至少一个预测原型接近真实未来终点，其定义如式（16）所示：

{\mathrm{ℒ}}_{\mathrm{g}\mathrm{o}\mathrm{a}\mathrm{l}}=\mathrm{m}\mathrm{i}{\mathrm{n}}_{k=\mathrm{1},\cdots ,K}{‖{\mathit{g}}_k-\mathit{e}‖}_{\mathrm{2}}（16）

为避免多个终点原型收敛到相近位置，进一步引入原型分离约束{\mathrm{ℒ}}_{\mathrm{s}\mathrm{e}\mathrm{p}}，如式（17）所示：

（17）

式中，δ为原型间隔阈值， g_i 和 g_j 表示不同终点原型。当两个原型之间的距离小于δ时，该项损失增大，从而促使不同终点原型保持空间差异。通过上述约束，模型能够同时提高终点原型与真实未来方向的匹配性及多模态终点分布的多样性。

4）联合优化目标

综合上述损失项，构建联合优化目标，对轨迹分布预测、终点位置、整体位移趋势及终点原型分布进行共同约束。总损失函数定义如式（18）所示：

\mathrm{ℒ}={\mathrm{ℒ}}_{\mathrm{m}\mathrm{d}\mathrm{n}}+{\lambda }_{\mathrm{1}}{\mathrm{ℒ}}_{\mathrm{e}\mathrm{n}\mathrm{d}}+{\lambda }_{\mathrm{2}}{\mathrm{ℒ}}_{\mathrm{m}\mathrm{e}\mathrm{a}\mathrm{n}}+{\lambda }_{\mathrm{3}}{\mathrm{ℒ}}_{\mathrm{g}\mathrm{o}\mathrm{a}\mathrm{l}}+{\lambda }_{\mathrm{4}}{\mathrm{ℒ}}_{\mathrm{s}\mathrm{e}\mathrm{p}}（18）

式中，{\lambda }_{\mathrm{1}}、{\lambda }_{\mathrm{2}}、{\lambda }_{\mathrm{3}}和{\lambda }_{\mathrm{4}}为相应的损失权重。

1.1.3 基于轨迹预测的动态避障方法

为将动态轨迹预测结果应用于无人车在线避障，提出基于EP-TSHNet的轨迹预测驱动动态避障方法，即EP-TSHNet-PRA，其总体框架如图6所示。系统首先利用二维激光雷达获取环境扫描数据，并通过点云聚类、墙体及静态噪声过滤、连续帧目标关联和轨迹缓存获得动态目标历史轨迹。当目标轨迹长度达到观测步长T_obs时，在线预测模块将其转换为与训练阶段一致的轨迹输入形式，并调用EP-TSHNet预测未来 T_pred个时间步的多模态运动轨迹，其中，T_pred为预测步长，即未来预测的轨迹帧数。在线运行过程中，系统根据模态概率、当前运动方向和速度一致性选择用于风险评估的预测轨迹；当预测结果异常或预测模态不满足运动约束时，采用匀速运动模型作为安全兜底，以提高在线避障稳定性。

获得动态障碍物未来轨迹后，系统将预测点映射为前瞻风险信息。一方面，预测轨迹被写入导航代价地图，在预测点附近形成动态风险代价区，使局部规划器在路径搜索和速度采样时避开未来可能被占据的区域；另一方面，系统在无人车前方构建碰撞风险走廊，用于判断预测障碍物是否会进入潜在碰撞区域。无人车坐标系下，风险走廊可表示为式（19）：

（19）

式中，d_x 和d_y 表示机器人前向和横向的风险判定范围。当存在预测点{\widehat{p}}_i^{\mathit{𝓁}}\in \mathrm{ℛ}时，认为机器人前方存在潜在碰撞风险,安全控制器对局部规划器输出的原始速度指令u_raw进行修正，生成减速、停车或转向避让指令。

最终速度控制可表示为式（20）：

u=\left\{\begin{array}{ll}{u}_{\mathrm{r}\mathrm{a}\mathrm{w}},\mathrm{无预}\mathrm{测碰}\mathrm{撞风}\mathrm{险};& \\ u_{\mathrm{s}\mathrm{a}\mathrm{f}\mathrm{e}},\mathrm{存在}\mathrm{预测}\mathrm{碰撞}\mathrm{风险}& \end{array}\right.（20）

式中，u_safe表示由安全监督器生成的安全速度指令。通过上述方式，EP‒TSHNet‒PRA将动态目标未来轨迹预测结果同时作用于代价地图更新和速度安全约束，使无人车能够在动态障碍物进入实际碰撞区域前调整运动状态，从而实现复杂地下工程环境中的动态避障。

1.2 围岩等级智能判识方法

1.2.1 CA‒RepViT‒Rock分类网络设计

设计CA‒RepViT‒Rock分类网络以实现围岩等级判识，其整体结构如图7所示。

设输入图像为 I，模型输出分类得分 o 及其对应的类别概率 p 如式（21）所示：

\mathit{o}=f_{\theta }(\mathit{I});\mathit{p}=\mathrm{S}\mathrm{o}\mathrm{f}\mathrm{t}\mathrm{m}\mathrm{a}\mathrm{x}(\mathit{o}),\mathit{p}\in {\mathbb{R}}^C（21）

式中，f_{\theta }(\cdot )表示CA‒RepViT‒Rock分类网络，θ为网络可学习参数， o 为C维类别最终分类得分向量， p 为C维类别概率向量，C为围岩等级类别数。最终预测类别由式（22）确定：

\widehat{y}=\underset{c}{\mathrm{a}\mathrm{r}\mathrm{g}\mathrm{m}\mathrm{a}\mathrm{x}}{p}_c（22）

式中，\widehat{y}为预测围岩等级，c为类别索引，p_c 为类别概率向量 p 中第c类对应的概率值。

CA‒RepViT‒Rock以RepViT‒Rock作为特征提取主干，用于提取输入图像中的岩体纹理、裂隙、破碎程度和结构面等判别特征。为增强不同尺度岩体结构与局部纹理特征的表达能力，在特征提取主干中引入多尺度深度卷积增强模块。该模块由7×7、5×5、3×3深度卷积分支和恒等BN分支组成，其中，BN表示批归一化。随后，结合卷积块注意力模块进行通道注意力和空间注意力增强，以突出裂隙、破碎区、结构面和纹理突变等关键判别区域。特征提取过程如式（23）所示：

{\mathit{F}}_{\mathrm{a}}=\varphi (\mathit{I})（23）

式中：\varphi (·)表示由RepViT-Rock主干、多尺度深度卷积增强模块、CBAM注意力模块和归一化层组成的特征提取映射； F_a表示输出的深层判别特征图，下标a表示注意力增强后的特征。

在主分类分支中，深层判别特征图 F_a被输入多池化余弦分类头。该分类头融合平均池化、最大池化和广义平均池化（GeM）特征，池化特征拼接过程如式（24）所示：

\mathit{z}=\left[G_{\mathrm{a}\mathrm{v}\mathrm{g}}({\mathit{F}}_{\mathrm{a}}),G_{\mathrm{m}\mathrm{a}\mathrm{x}}({\mathit{F}}_{\mathrm{a}}),G_{\mathrm{g}\mathrm{e}\mathrm{m}}({\mathit{F}}_{\mathrm{a}})\right]（24）

式中，G_{\mathrm{a}\mathrm{v}\mathrm{g}}(·)、G_{\mathrm{m}\mathrm{a}\mathrm{x}}(·)、G_{\mathrm{g}\mathrm{e}\mathrm{m}}(·)分别表示平均池化、最大池化和GeM池化操作， z 表示三类池化特征拼接后的特征向量。

随后，对 z 进行层归一化（LN）和Dropout处理，并采用余弦分类器得到主分类分支输出的C维分类得分向量 o_main，如式（25）所示：

\tilde{\mathit{z}}=\mathrm{D}\mathrm{r}\mathrm{o}\mathrm{p}\mathrm{o}\mathrm{u}\mathrm{t}(\mathrm{L}\mathrm{N}(\mathit{z})), {\mathit{o}}_{\mathrm{m}\mathrm{a}\mathrm{i}\mathrm{n}}=s\cdot \frac{\tilde{\mathit{z}}}{\Vert \tilde{\mathit{z}}{\Vert }_{\mathrm{2}}}{\left(\frac{\mathit{W}}{\Vert \mathit{W}{\Vert }_{\mathrm{2}}}\right)}^{\mathrm{T}}（25）

式中，\tilde{\mathit{z}}表示经过LN和Dropout处理后的特征向量，\mathit{W}表示余弦分类器权重矩阵，s表示尺度因子。

考虑到相邻围岩等级间易发生类别混淆，CA‒RepViT‒Rock设置混淆类别细分分支。实验中，类别索引0、1、2、3分别对应Ⅲ‒1、Ⅲ‒2、Ⅳ和Ⅴ 4类围岩等级。混淆类别细分分支主要针对类别0/1和类别2/3两组典型混淆类别对进行成对判别，即Ⅲ‒1与Ⅲ‒2、Ⅳ与Ⅴ两组相邻等级。该分支基于深层判别特征图生成两组成对细化得分向量，如式（26）所示：

{\mathit{q}}^{\mathrm{01}},{\mathit{q}}^{\mathrm{23}}=H_{\mathrm{p}\mathrm{a}\mathrm{i}\mathrm{r}}({\mathit{F}}_{\mathrm{a}})（26）

式中，H_{\mathrm{p}\mathrm{a}\mathrm{i}\mathrm{r}}(·)表示混淆类别细分分支，{\mathit{q}}^{\mathrm{01}}\in {\mathbb{R}}^{\mathrm{2}}表示类别0与类别1的二分类得分向量，{\mathit{q}}^{\mathrm{23}}\in {\mathbb{R}}^{\mathrm{2}}表示类别2与类别3的二分类得分向量，{\mathit{q}}^{\mathrm{01}}、{\mathit{q}}^{\mathrm{23}}中的元素分别对应类别0、1、2和3的细化得分。

随后，将两组成对细化输出映射回全局四分类得分空间，并对主分类得分进行加权修正，得到最终分类得分向量，如式（27）所示：

\mathit{o}={\mathit{o}}_{\mathrm{m}\mathrm{a}\mathrm{i}\mathrm{n}}+{\alpha }_{\mathrm{p}}\mathrm{T}({\mathit{q}}^{\mathrm{01}},{\mathit{q}}^{\mathrm{23}})（27）

式中，T(·)表示将成对细化输出映射回全局类别空间的操作，{\alpha }_{\mathrm{p}}表示细化分支修正权重。

训练过程中，采用主分类损失、混淆类别细分辅助损失和混淆感知边界损失进行联合优化。主分类交叉熵损失同时约束修正后的最终分类得分 o 和未修正的主分类得分 o_main，如式（28）所示：

{\mathrm{ℒ}}_{\mathrm{C}\mathrm{E}}=\mathrm{0.7}\mathrm{C}\mathrm{E}(\mathit{o},y)+\mathrm{0.3}\mathrm{C}\mathrm{E}({\mathit{o}}_{\mathrm{m}\mathrm{a}\mathrm{i}\mathrm{n}},y)（28）

式中，\mathrm{ℒ}_CE表示主分类交叉熵损失，CE(·)表示交叉熵函数，y为真实围岩等级标签。

混淆类别细分辅助损失{\mathrm{ℒ}}_{\mathrm{p}\mathrm{a}\mathrm{i}\mathrm{r}}在类别0/1和类别2/3样本上计算二分类交叉熵；混淆感知边界损失{\mathrm{ℒ}}_{\mathrm{m}\mathrm{a}\mathrm{r}\mathrm{g}\mathrm{i}\mathrm{n}}用于扩大真实类别与其典型混淆类别之间的分类得分间隔。{\mathrm{ℒ}}_{\mathrm{m}\mathrm{a}\mathrm{r}\mathrm{g}\mathrm{i}\mathrm{n}}主要针对类别0/1和类别3/2两组典型混淆方向设置边界约束。具体而言，当真实类别为0时，约束类别0得分高于类别1得分；当真实类别为3时，约束类别3得分高于类别2得分。同时，为避免模型过度偏向类别0和类别3，进一步对类别1/0和类别2/3设置较弱的反向约束。

综合上述损失项，CA-RepViT-Rock的联合优化目标定义为式（29）：

{\mathrm{ℒ}}_{\mathrm{r}\mathrm{o}\mathrm{c}\mathrm{k}}={\mathrm{ℒ}}_{\mathrm{C}\mathrm{E}}+{\lambda }_{\mathrm{p}}{\mathrm{ℒ}}_{\mathrm{p}\mathrm{a}\mathrm{i}\mathrm{r}}+{\lambda }_{\mathrm{m}}{\mathrm{ℒ}}_{\mathrm{m}\mathrm{a}\mathrm{r}\mathrm{g}\mathrm{i}\mathrm{n}}（29）

式中，{\mathrm{ℒ}}_{\mathrm{r}\mathrm{o}\mathrm{c}\mathrm{k}}表示总训练损失，{\lambda }_{\mathrm{p}}和{\lambda }_{\mathrm{m}}分别表示对应的损失权重。

1.2.2 围岩等级判识可解释性分析

为提高掌子面围岩等级识别结果的可解释性，在CA‒RepViT‒Rock推理阶段采用Grad‒CAM和Grad‒CAM++生成可解释热力图，并结合中间层特征响应分析模型关注区域。可解释性分析与图像块级定量评价分开进行：定量分类指标基于测试图像块计算；可解释性分析则从测试集原始掌子面图像中选取代表性样本，经与模型推理一致的预处理后输入训练完成的CA‒RepViT‒Rock，获得原始图像层面的定性分类结果，并生成Stage 0～3中间层特征响应，以及Grad‒CAM和Grad‒CAM++热力图。上述结果仅用于原始图像层面的定性分析，不参与图像块级分类指标计算。对于可解释性分析所采用的原始掌子面图像 I，模型首先得到围岩等级预测结果\widehat{\mathit{y}}及其类别置信度：

s_{\widehat{y}}=\underset{c}{\mathrm{m}\mathrm{a}\mathrm{x}}{p}_c（30）

式中，s_{\widehat{y}}表示模型对预测围岩等级的置信度。随后，基于目标类别得分对深层特征图进行梯度反向传播，计算不同特征通道对该类别的贡献权重，并生成类别相关激活热力图。Grad‒CAM的通道权重可表示为：

{\alpha }_k^c=\frac{\mathrm{1}}{Z}\sum _i\sum _j\frac{\partial o^c}{\partial A_{ij}^k}（31）

式中，A_{ij}^k为第k个特征图在空间位置(i,j)处的激活值。

对应的类别激活热力图可表示为：

L_{\mathrm{G}\mathrm{r}\mathrm{a}\mathrm{d}\mathrm{0}\mathrm{C}\mathrm{A}\mathrm{M}}^c=\mathrm{R}\mathrm{e}\mathrm{L}\mathrm{U}\left(\sum _k{\alpha }_k^c{A}^k\right)（32）

式（31）、（32）中，A^k表示第k个特征图，o^c表示类别c的预测得分，{\alpha }_k^c表示特征图A^k对类别c的重要性权重。

2 基于EP‒TSHNet‒PRA的无人车自主导航与信息采集验证

2.1 动态轨迹预测性能分析

2.1.1 数据集与评价指标

为验证EP-TSHNet在多目标轨迹预测任务中的有效性，在ETH-UCY和SDD公开轨迹预测数据集上进行实验。两者均采用历史8帧观测、未来12帧预测设置，即T_obs=8、T_pred=12，以便与现有方法进行对比；同时，该短时预测窗口能够满足无人车局部动态避障对障碍物近期运动趋势预测的需求。多模态候选轨迹数量设置M=20，即模型为每个动态目标生成20条候选未来轨迹，用于覆盖直行、转向、绕行等多种未来运动意图。实验在单张NVIDIA RTX 4070 GPU上完成。

采用平均位移误差（ADE）和最终位移误差（FDE）作为轨迹预测评价指标。ADE衡量预测轨迹在整个预测时间范围内与真实轨迹间的平均偏差，FDE衡量预测终点与真实终点间的距离误差，计算公式分别为：

e_{\mathrm{A}\mathrm{D}\mathrm{E}}=\frac{\mathrm{1}}{N{T}_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}}{\displaystyle \sum _{i=\mathrm{1}}^N}{\displaystyle \sum _{\mathit{𝓁}=\mathrm{1}}^{T_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}}}{‖{\widehat{\mathit{y}}}_i^{\mathit{𝓁}}-{\mathit{y}}_i^{\mathit{𝓁}}‖}_{\mathrm{2}}（33）

e_{\mathrm{F}\mathrm{D}\mathrm{E}}=\frac{\mathrm{1}}{N}{\displaystyle \sum _{i=\mathrm{1}}^N}{‖{\widehat{\mathit{y}}}_i^{T_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}}-{\mathit{y}}_i^{T_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}}‖}_{\mathrm{2}}（34）

式（33）、（34）中，{\widehat{\mathit{y}}}_i^{\mathit{𝓁}}和{\mathit{y}}_i^{\mathit{𝓁}}分别表示第i个目标在第ℓ个预测时刻的预测位置和真实位置，{\widehat{\mathit{y}}}_i^{T_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}}和{\mathit{y}}_i^{T_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}}分别表示第i个目标在最后一个预测时刻的预测位置和真实位置。由于EP-TSHNet为每个动态目标输出20条候选未来轨迹，本文采用多模态轨迹预测中常用的minADE₂₀和minFDE₂₀进行评价。其中，minADE₂₀表示分别计算20条候选轨迹与真实轨迹间的平均位移误差并取最小值，minFDE₂₀表示分别计算20条候选轨迹终点与真实终点间的位移误差并取最小值。两项指标分别独立取最小值，对应的候选轨迹不一定相同。

为评价本文方法的预测性能，选取近年来具有代表性的多目标轨迹预测方法作为基准模型进行比较。

2.1.2 轨迹预测定量分析

EP‒TSHNet的轨迹预测性能在ETH‒UCY、SDD基准数据集上的实验结果对比见表1、2。表1中，对ETH‒UCY数据集采用5个子场景的minADE₂₀和minFDE₂₀进行评价；表2中，对SDD数据集给出整体minADE₂₀和minFDE₂₀。

表1中，EP‒TSHNet的平均minADE₂₀和minFDE₂₀为0.17和0.30，整体预测性能较优。其中：平均minFDE₂₀优于所有对比方法，说明模型能更准确地预测动态目标未来终点位置；平均minADE₂₀保持在较低水平，表明模型在整体轨迹拟合方面具有较好稳定性。虽然ScePT的平均minADE₂₀数值较低，但其平均minFDE₂₀较大，终点预测的稳定性不足。综上，EP‒TSHNet在整体轨迹误差和终点误差间取得了较好的平衡。

表2中，在SDD数据集上，EP‒TSHNet在min-ADE₂₀和minFDE₂₀上均取得最优结果。相较于表现较优的TDAGCN，EP‒TSHNet在minADE₂₀和minFDE₂₀上分别降低约12.06%和13.39%，说明模型在复杂航拍场景中具有更好的轨迹预测能力。SDD数据集包含多类型动态目标和复杂交互行为，该结果表明，趋势状态时间编码器和混合图交互编码器能够有效增强短时运动趋势提取和多目标交互建模能力。

综上，EP‒TSHNet在行人交互和复杂航拍场景下均表现出较好的轨迹预测性能，为后续EP‒TSHNet‒PRA基于轨迹预测的动态避障提供了可靠的运动预测基础。

2.1.3 消融实验分析

为进一步验证EP‒TSHNet中各模块对多模态轨迹预测性能的实际贡献，在SDD数据集上开展模块消融实验，分别去除趋势状态时间编码器、混合图交互编码器、终点原型分层解码器、终点辅助监督、平均位移辅助监督和原型分离约束，并采用minADE₂₀和 minFDE₂₀评价模型性能变化，结果见表3。由表3可知，去除任一模块或约束后，模型的minADE₂₀和minFDE₂₀均出现不同程度上升，说明EP‒TSHNet 各组成部分均对轨迹预测性能具有积极贡献。其中，去除终点原型分层解码器后误差增幅最大，表明终点原型引导和分支扩展机制对多模态未来意图覆盖具有重要作用。去除混合图交互编码器后，模型误差明显增大，说明对目标间空间邻近关系和运动特征相似关系建模有助于提升复杂交互场景下的预测精度。去除趋势状态时间编码器后，模型对短时速度变化和末端运动趋势的表征能力下降，导致预测误差增加。

此外，去除终点辅助监督、平均位移辅助监督和原型分离约束后，模型性能均有所退化，说明辅助监督和原型约束能够进一步提升终点预测稳定性、整体运动趋势学习能力和候选轨迹多样性。

2.1.4 轨迹预测可视化分析

为进一步直观分析EP‒TSHNet的多模态轨迹预测能力，选取ETH‒UCY和SDD数据集中的复杂场景进行轨迹预测可视化，结果如图8和9所示。

图8、9中，绿色曲线表示历史观测轨迹，红色曲线表示真实未来轨迹，青色虚线表示EP‒TSHNet生成的预测未来轨迹。由图8可知，在不同类型的行人交互场景中，EP‒TSHNet能够根据有限历史轨迹生成多条候选未来轨迹并覆盖目标未来可能的运动方向。在ETH和HOTEL场景中，预测轨迹能够沿目标历史运动趋势展开；在UNIV和ZARA1场景中，面对转向和交叉等不确定运动，模型仍能生成具有分支特征的候选轨迹，体现出较好的多模态表达能力。

与ETH‒UCY相比，SDD数据集包含更复杂的航拍视角、多类型动态目标及更丰富的交互行为。由图9可知：在Bookstore场景中，模型能够对道路区域内多个目标的直行和转向趋势进行预测；在DeathCircle场景中，目标之间存在交叉、汇入和绕行等复杂交互行为，EP‒TSHNet能够生成符合场景运动结构的预测轨迹；在Hyang和Nexus场景中，模型能够结合目标历史运动方向和周围目标交互关系，预测目标在通道、交叉口和建筑边缘区域的未来运动趋势。

上述可视化结果表明，EP‒TSHNet不仅能够在行人交互场景中生成与真实运动趋势相符的候选轨迹，也能够在复杂航拍场景中对转向、并行、交叉和绕行等多种运动模式进行合理预测。

2.2 避障性能分析

2.2.1 仿真平台与实验场景设置

为验证EP‒TSHNet‒PRA在复杂地下工程环境中的避障效果，基于ROS和Gazebo搭建无人车动态避障仿真实验平台。实验采用Husky A200无人车模型作为移动平台，并通过激光雷达获取环境感知信息。导航系统基于ROS Navigation框架实现，其中，全局规划器用于生成从起点到目标点的参考路径，局部规划器根据实时障碍物信息调整局部路径和速度指令。EP‒TSHNet‒PRA在此基础上引入动态目标轨迹预测结果，用于辅助无人车提前识别潜在碰撞风险并调整运动状态。

本文在Gazebo中构建隧道仿真环境，并将Husky A200无人车模型部署于该场景中进行动态避障实验，如图10所示。仿真场景包括隧道边界、墙体结构、通行区域和移动障碍物等要素，用于模拟地下工程环境中空间受限、动态目标干扰等情况。实验过程中，无人车从起点出发，沿规划路径驶向目标点；移动障碍物在隧道区域内按照设定轨迹往复运动，用于验证EP‒TSHNet‒PRA对动态障碍物未来运动趋势的预测和提前避让能力。

为进一步分析不同环境复杂程度下的避障效果，设置低、中、高3种障碍物密度场景，如图11所示。

图11中：低密度场景主要用于验证无人车在动态障碍物较少情况下的基本避障能力；中密度场景用于考察移动障碍物数量增加后对无人车局部路径规划的影响；高密度场景的可通行空间进一步受限，验证EP‒TSHNet‒PRA在复杂动态干扰条件下的前瞻风险感知能力。

2.2.2 不同预测条件下的动态避障对比分析

在上述仿真平台和障碍物密度场景的基础上，设置无前瞻预测和EP‒TSHNet‒PRA前瞻预测两类工况进行动态避障对比实验，结果如图12所示。

由图12可知：在无前瞻预测工况下，局部代价地图仅包含当前障碍物代价区域，局部规划器主要依据当前激光雷达感知结果进行反应式避障。当移动障碍物与无人车规划路径发生交叉时，路径调整容易出现滞后，可能导致贴近障碍物、短时停滞或频繁重规划等现象。融入EP‒TSHNet‒PRA后，局部代价地图在当前障碍物代价区域基础上进一步叠加预测轨迹代价区域。该区域沿动态障碍物未来运动方向延伸，能够提前表征其未来可能占据的位置，使无人车在潜在碰撞发生前调整局部规划路径和速度。在多个移动障碍物场景中，EP‒TSHNet‒PRA能够同时考虑多个动态目标的当前位置和未来运动趋势，使绿色规划路径避开潜在风险区域，并在可通行走廊内选择相对安全的通行方向。

综合上述避障结果，无前瞻预测方法主要依赖当前障碍物位置进行局部规划，避障过程具有明显的反应式特征；EP‒TSHNet‒PRA通过预测轨迹代价区域和安全速度约束，使局部规划器能够提前感知动态障碍物未来占据风险，从而提升无人车在复杂地下工程环境中的动态避障安全性。

为量化不同工况下的避障效果，在低、中、高障碍物密度场景下统计避障成功率，结果见表4。每种障碍物密度和避障工况重复运行20次，避障成功的定义为无人车在规定时间内到达目标点且未与动态障碍物发生碰撞或长时间停滞。由表4可知：随着障碍物密度增大，无前瞻预测工况的避障成功率由80.0%下降至35.0%，说明仅依赖当前障碍物代价区域的反应式避障方式在复杂动态场景中稳定性不足；相比之下，EP‒TSHNet‒PRA在低、中、高密度场景下的成功率分别达到100.0%、95.0%和75.0%，平均成功率为90.0%，明显高于无前瞻预测工况。该结果表明，预测轨迹代价区域和安全速度约束能够有效提升局部规划的前瞻性，降低动态障碍物密集场景下的碰撞风险。

2.3 无人车自主导航与信息采集闭环验证

2.3.1 系统整体框架

本文设计的基于EP‒TSHNet轨迹预测与预测风险辅助避障机制的无人车隧道自主导航与信息采集验证系统（EP‒TSHNet‒PRA）以 Husky无人车为移动平台，搭载二维激光雷达、RGB‒D相机、里程计和车载计算单元，整体由感知输入、在线定位建图、动态障碍物检测与跟踪、轨迹预测与预测避障、控制执行与任务闭环等模块组成，如图13所示。

感知输入模块通过二维激光雷达获取隧道轮廓、障碍物分布和局部环境扫描信息。RGB‒D相机用于在到达预设掌子面目标点后采集彩色图像与深度图像，里程计和坐标变换信息用于提供无人车位姿与运动状态（图13（a））。在线定位建图模块根据激光扫描信息和运动状态实时构建二维隧道环境地图，并结合滚动局部代价地图进行局部避障与导航，不依赖预先构建的静态地图和人工初始定位，从而适用于未知或半未知隧道环境下的巡检验证任务（图13（b））。

动态障碍物检测与跟踪由在线预测节点内部完成，该节点对激光扫描数据进行障碍物聚类、目标关联和连续跟踪，形成动态目标的历史运动轨迹（图13（c））。轨迹预测与预测避障模块进一步基于动态目标历史轨迹生成多模态未来轨迹候选，并通过物理合理性筛选与代表模态选择得到用于局部避障的预测轨迹；随后，预测轨迹被转化为局部代价地图中的前瞻性风险代价信息，使无人车能够在潜在碰撞发生前提前调整路径和速度（图13（d））。

控制执行与任务闭环模块根据局部规划结果生成运动控制指令，并通过前向安全距离与急停‒倒退安全过滤机制输出最终速度指令，以提高动态场景下的通行安全性。任务执行过程中，无人车首先记录起点位姿，随后从起点出发，经动态避障到达预设掌子面目标点并采集一组图像，最后继续执行返回过程避障任务并返回起点，实现无人车隧道自主导航、动态避障与信息采集闭环验证（图13（e））。

2.3.2 闭环巡检任务验证

为验证无人车隧道自主导航与信息采集系统的完整运行能力，设置“起点出发—隧道动态避障—到达掌子面目标区域—图像采集—返回过程避障—返回起点”的闭环巡检任务。任务过程如图14所示。无人车由起点出发，沿隧道规划方向向掌子面目标区域行驶，过程中持续感知动态障碍物、预测其运动趋势并调整局部路径；到达掌子面目标区域后，RGB‒D相机采集掌子面彩色图像和深度图像；采集完成后，无人车沿返回路径继续避障并最终回到起点，完成一次完整的巡检闭环。

为考察不同环境复杂度下系统的运行稳定性，设置低密度动态障碍物、中密度动态障碍物、高密度动态障碍物和粉尘干扰4类工况，并将对应运行过程作为补充视频S1～S4提供（见附录A）。4类工况均包含可视化导航视角、仿真环境视角及最终采集的掌子面图像结果。需要说明的是，本文导航避障主要依赖激光感知、位姿估计和局部代价地图，不以可见光图像作为导航输入，因此低照度或黑暗条件对导航避障链路影响较小；掌子面图像采集环节可通过车载补光保证成像质量。

在低密度动态障碍物场景中，动态目标数量较少，可通行空间较充足，无人车行驶过程较平稳，能够顺利完成起点出发、隧道避障、到达掌子面目标区域、图像采集和返回起点任务（附录A视频S1）。在中密度场景中，动态障碍物数量增加，局部通行空间受到压缩，无人车在靠近障碍物区域时出现更明显的路径调整，但仍能保持连续通行并完成信息采集与返航过程（附录A视频S2）。在高密度动态障碍物场景中，动态目标分布更加密集，可通行走廊进一步受限，无人车在前进和返回过程中需要进行更频繁的绕行和速度调整，但系统仍能维持有效的局部避障能力并完成闭环巡检任务（附录A视频S3）。在粉尘干扰场景中，仿真环境存在明显的低能见度和视觉遮挡现象，但无人车仍能够依靠激光感知、位姿估计和局部代价更新维持导航避障过程，最终完成到达掌子面目标区域、图像采集和返回起点任务（附录A视频S4）。

综上，4类工况下的闭环巡检结果表明，所构建系统能够在动态障碍物密度变化和粉尘干扰条件下完成自主导航—动态避障—掌子面信息采集—返航的完整任务流程，说明基于轨迹预测的动态避障能够提高无人车在复杂隧道环境中通行的安全性，并为掌子面信息采集提供稳定的前端运动保障。

3 围岩等级智能判识结果分析

在完成无人车闭环巡检与掌子面图像采集流程验证的基础上，进一步面向掌子面图像开展围岩等级智能判识与可解释性分析。

3.1 实验设置与评价指标

为验证CA‒RepViT‒Rock在掌子面围岩等级判识任务中的有效性，采用来源于中国西北某在建隧道工程的真实工程掌子面围岩图像数据集^[38]进行实验。该工程由主通道隧洞和通风安全洞组成，总长度为3 120 m，掌子面岩体以含石英岩脉的黑云母闪长片麻岩为主。根据数据集建立阶段的工程开挖记录，Ⅲ‒2级及以下质量围岩段占当时已开挖段的75%以上，长度约为2 347 m，其中，Ⅳ和Ⅴ级围岩段长度为1 355 m。

数据集由上述工程不同掌子面的历史施工图像整理得到，共包含1 800张真实隧道掌子面高分辨率原始图像，覆盖不同光照、拍摄角度和设备条件，类别包括Ⅲ‒1、Ⅲ‒2、Ⅳ和Ⅴ级围岩。数据标签由专业地质人员标注，并经不少于3名地质人员复核。为避免同一掌子面或同一原始图像产生的局部图像块同时进入不同数据子集，首先按照原始图像编号及掌子面来源进行分组，并按照70%、20%和10%的比例划分训练集、验证集和测试集，分别包含1 260、360和180张原始图像。随后，分别在各数据子集内对掌子面有效岩体区域进行局部裁剪，并经统一尺寸预处理后形成用于模型训练、验证和测试的局部图像块。其中，180张测试原始图像共形成678个测试图像块。每个局部图像块继承其对应原始掌子面图像经地质人员复核后的围岩等级标签。

将掌子面围岩等级识别建模为多类别图像分类任务。定量评价阶段，模型输入为从原始掌子面RGB图像中提取并经过统一尺寸处理的局部图像块，输出为对应的围岩等级预测结果。实验采用训练完成的CA‒RepViT‒Rock最优模型权重，在上述测试图像块上进行推理，并计算分类性能指标和混淆矩阵。为从完整掌子面尺度直观展示模型的判识结果和关注区域，进一步从测试集原始图像中选取代表性样本，经统一预处理后输入模型，获得原始图像层面的定性分类结果，并生成Stage 0～3中间层特征响应、Grad‒CAM和Grad‒CAM++热力图。

采用准确率Accuracy、精确率Precision、召回率Recall、F1‒score、Macro‒F1、Weighted‒F1和混淆矩阵作为主要评价指标。以测试图像块作为评价单元，测试图像块总数为N=678。设类别数为C，第i个测试图像块的真实类别和预测类别分别为y_i 和ŷ_i，则图像块级整体分类准确率定义为：

A_{\mathrm{c}\mathrm{c}\mathrm{u}\mathrm{r}\mathrm{a}\mathrm{c}\mathrm{y}}=\frac{\mathrm{1}}{N}{\displaystyle \sum _{i=\mathrm{1}}^N}\mathrm{1},{\widehat{y}}_i=y_i（35）

对于第c类样本，Precision和Recall分别表示为：

P_c=\frac{F_{\mathrm{T}\mathrm{P},c}}{F_{\mathrm{T}\mathrm{P},c}+F_{\mathrm{F}\mathrm{P},\mathrm{c}}},R_c=\frac{F_{\mathrm{T}\mathrm{P},c}}{F_{\mathrm{T}\mathrm{P},c}+F_{\mathrm{F}\mathrm{N},\mathrm{c}}}（36）

式中，F_{\mathrm{T}\mathrm{P},c}、F_{\mathrm{F}\mathrm{P},\mathrm{c}}和F_{\mathrm{F}\mathrm{N},\mathrm{c}}分别表示第c类样本的真正例、假正例和假负例数量。对应的F1‒score为：

F_{\mathrm{1},c}=\frac{\mathrm{2}\times P_c\times R_c}{P_c+R_c}（37）

采用Macro‒F1指标综合评价模型在不同围岩等级上的平均识别能力，具体表示为：

F_{\mathrm{1},\mathrm{M}\mathrm{a}\mathrm{c}\mathrm{r}\mathrm{o}}=\frac{\mathrm{1}}{C}{{\displaystyle \sum _{c=\mathrm{1}}^C}F}_{\mathrm{1},c}（38）

Weighted‒F1根据各类别样本数量进行加权平均得到，可表示为：

F_{\mathrm{1},\mathrm{W}\mathrm{e}\mathrm{i}\mathrm{g}\mathrm{h}\mathrm{t}\mathrm{e}\mathrm{d}}=\frac{{\displaystyle \sum _{c=\mathrm{1}}^C}{n}_c{F}_{\mathrm{1},c}}{{\displaystyle \sum _{c=\mathrm{1}}^C}{n}_c}（39）

式中，n_c 表示第c类测试图像块的数量。此外，本文采用混淆矩阵分析不同围岩等级测试图像块之间的误分类情况，并基于代表性原始掌子面图像生成Grad‒CAM、Grad‒CAM++及中间层特征响应，分析模型在完整掌子面尺度下关注的关键岩体区域。

3.2 围岩等级智能判识性能

CA‒RepViT‒Rock在测试图像块上的围岩等级分类结果见表5。根据678个测试图像块的整体预测结果，模型共正确分类629个图像块，因此图像块级Accuracy为0.927 7；Macro‒F1为0.921 1，Weighted‒F1为0.927 5。需要说明的是，研究属于单标签多分类任务，加权平均Recall在数值上等于整体Accuracy，因此表5中的Weighted Recall同样为0.927 7。

表5还显示：Ⅲ‒1类和Ⅳ类测试图像块的识别效果较好，F1‒score分别达到0.967 7和0.944 4，说明模型能够较稳定地识别具有典型岩体结构特征的局部图像；Ⅲ‒2类和Ⅴ类测试图像块的F1‒score分别为0.875 0和0.897 4，相对略低，表明相邻围岩等级的局部视觉特征之间仍存在一定混淆。

CA‒RepViT‒Rock在678个测试图像块上的归一化混淆矩阵如图15所示。测试集中，Ⅲ‒1、Ⅲ‒2、Ⅳ和Ⅴ级图像块数量分别为77、139、385和77，对应正确分类数量分别为75、119、365和70，共正确分类629个测试图像块，整体分类准确率为0.927 7。图15中，对角线元素表示对应真实等级的测试图像块被正确判识为同一等级的比例，非对角线元素表示被误判为其他等级的比例。由图15可知，预测结果主要集中在对角线位置，说明CA‒RepViT‒Rock对4类围岩等级图像块具有较好的整体判别能力。

按测试图像块的实际围岩等级统计，Ⅲ‒1、Ⅲ‒2、Ⅳ和Ⅴ 4类图像块的正确判识比例分别为97%、86%、95%和91%。其中，Ⅲ‒1和Ⅳ类图像块的识别结果较稳定，Ⅴ类图像块也保持了较好的识别效果，Ⅲ‒2类图像块的召回率相对较低。从误分类分布来看：Ⅲ‒2类测试图像块中有13%被误判为Ⅳ类；Ⅳ类测试图像块中有3%被误判为Ⅲ‒2类，2%被误判为Ⅴ类；Ⅴ类测试图像块中有6%被误判为Ⅳ类。

为直观展示CA‒RepViT‒Rock在完整掌子面图像上的判识表现，本文从测试集原始掌子面图像中选取代表性样本，经与模型推理阶段一致的预处理后输入训练完成的模型。图16展示了Ⅲ‒1、Ⅲ‒2、Ⅳ和Ⅴ 4类围岩等级代表性原始图像的定性判识结果，所示样本的模型预测等级均与专家复核标签一致。由图16可以看出，在不同掌子面形态、拍摄角度和光照条件下，模型能够从完整掌子面图像中提取岩体结构、裂隙发育和破碎程度等判别特征。需要说明的是，图16仅用于原始图像层面的定性展示，不参与表5和图15所示图像块级分类指标的计算。

3.3 可解释分级结果

CA‒RepViT‒Rock在输出围岩等级预测结果的同时，生成中间层特征响应、Grad‒CAM和Grad‒CAM++热力图，用于展示模型在分类过程中关注的掌子面关键区域。图17为不同围岩等级代表性原始掌子面图像的可解释分析结果，每个围岩等级选取两个正确分类的原始图像样本进行展示。需要说明的是，图17为原始图像层面的定性可解释结果，不参与图像块级分类指标计算。

图17结果表明，模型在不同围岩等级的原始掌子面图像中均能关注掌子面岩体主体区域。Stage 0和Stage 1主要响应岩体纹理、边缘轮廓、局部裂隙及灰度变化等浅层视觉信息；Stage 2和Stage 3的响应区域逐渐集中到裂隙密集区、岩体破碎区、结构面及纹理突变区域，说明深层特征能够进一步提取与围岩等级判识相关的结构性信息。

由Grad‒CAM和Grad‒CAM++热力图可以看出，模型最终分类时的高响应区域大多位于裂隙发育、岩体破碎和结构面变化较为明显的位置。这些区域与围岩判识中关注的岩体完整性、裂隙发育程度和破碎状态具有较好的对应关系，说明CA‒RepViT‒Rock的分类结果主要依据具有地质意义的岩体特征，而非背景或无关区域。

不同围岩等级的热力图响应也存在一定差异。Ⅲ‒1类围岩样本的关注区域多集中在局部纹理和结构边界位置；Ⅲ‒2类和Ⅳ类围岩样本在裂隙发育、岩体破碎和纹理变化区域表现出更为明显的响应；Ⅴ类围岩样本则在破碎程度较强、结构较复杂区域呈现较高响应。与Grad‒CAM相比，Grad‒CAM++对局部高响应区域刻画更细致，能够更突出局部裂隙、破碎带和结构面等判别区域。

由此可见，CA‒RepViT‒Rock在图像块级定量评价中表现出较好的围岩等级分类性能，同时能够在代表性原始掌子面图像上通过中间层特征响应和可解释热力图展示模型关注的岩体区域，从而分别反映模型的图像块级分类能力及其在完整掌子面图像上的响应特征^[39-41]。

4 结 论

围绕深地工程无人车自主巡检与掌子面围岩等级智能判识需求，以局部定位与环境地图更新为导航支撑，集成动态障碍物轨迹预测、预测驱动动态避障、掌子面图像采集、围岩等级智能判识和可解释结果输出等功能模块，构建面向深地工程的无人车智能感知与辅助决策系统，并开展系统设计与实验验证。主要结论如下：

1）EP‒TSHNet能够有效建模动态目标历史运动趋势和目标间交互关系，并生成多模态未来轨迹。在ETH‒UCY和SDD数据集上的实验结果表明，该方法在行人交互和复杂航拍场景下具有较好的轨迹预测能力，可为无人车动态避障提供动态目标运动预测基础。

2）EP‒TSHNet‒PRA将动态障碍预测轨迹用于局部代价更新、碰撞风险判定和安全速度约束，实现了从轨迹预测到避障决策的进一步利用。ROS/Gazebo 仿真结果表明，该方法在低、中、高障碍物密度场景下的避障成功率分别达到100.0%、95.0%和75.0%，平均成功率由无前瞻预测条件下的60.0%提升至90.0%，说明预测轨迹能够有效增强无人车动态避障的前瞻性和安全性。

3）CA‒RepViT‒Rock在掌子面围岩等级图像块分类任务中取得了较好的分类效果。在由180张独立测试原始图像提取的678个测试图像块上，Accuracy、Macro‒F1和Weighted‒F1分别达到0.927 7、0.921 1和0.927 5。图像块级混淆矩阵结果表明，模型整体判识能力较稳定，但相邻围岩等级之间仍存在一定混淆，说明相邻等级的局部岩体视觉特征具有连续过渡和类别边界模糊的特点。

4）构建了“起点出发—隧道动态避障—到达掌子面目标区域—图像采集—返回过程避障—返回起点”的无人车闭环巡检流程；同时，基于真实工程历史掌子面图像提取的局部图像块开展围岩等级定量评价，并基于代表性原始掌子面图像开展定性判识与Grad‒CAM++可解释性分析。上述结果分别验证了无人车闭环巡检流程和围岩等级图像判识方法，为后续真实隧道现场的系统闭环集成提供了技术基础。

受实验条件和数据来源限制，本文动态避障实验主要在ROS/Gazebo仿真环境中完成，围岩等级判识数据主要来自单一隧道工程。后续将进一步开展真实隧道现场无人车闭环巡检实验，扩展跨工程掌子面图像数据集，并融合RGB‒D图像和激光点云等多源感知信息，以提升系统的现场适用性和泛化能力。

附录见本刊网络版，扫描标题旁的二维码可阅读网络全文。

参考文献

[1] Xie Heping, Zhang Ru, Deng Jianhui,et al.A preliminary study on the technical system of deep earth science and geo disaster prevention-control based on the"deep earth‒surface"linkage strategy[J].Advanced Engineering Sciences,2021,53(4):1‒12.

[2] 谢和平,张茹,邓建辉,等.基于"深地‒地表"联动的深地科学与地灾防控技术体系初探[J].工程科学与技术,2021,53(4):1‒12.

[3] Xie Heping, Zhang Ru, Zhang Zetian,et al.Reflections and explorations on deep earth science and deep earth engineering technology[J].Journal of China Coal Society,2023,48(11):3959‒3978.

[4] 谢和平,张茹,张泽天,等.深地科学与深地工程技术探索与思考[J].煤炭学报,2023,48(11):3959‒3978.

[5] Zhang Shishu, Zhao Xiaoping.Concept and key technical challenges of deep underground hydraulic and hydropower engineering[J].Advanced Engineering Sciences,2026,58(1):1‒17.

[6] 张世殊,赵小平.水利水电深部地下工程:地质环境、围岩灾变与技术挑战[J].工程科学与技术,2026,58(1):1‒17.

[7] Chen Weidong, Li Tianbin, Huang Yinhao,et al.Intelligent identification of classification features of tunnel surrounding rock and visualization[J].Journal of Railway Science and Engineering,2024,21(1):406‒421.

[8] 陈卫东,李天斌,黄音昊,等.隧道围岩分级特征智能识别及可视化研究[J].铁道科学与工程学报,2024,21(1):406‒421.

[9] Shen Yanjun, You Lyu, Li Shuguang,et al.Research progress of tunnel surrounding rock classification method and application trend of "artificial intelligence+"[J].Tunnel Construction,2023,43(4):563‒582.

[10] 申艳军,吕游,李曙光,等.隧道围岩分级方法研究进展及"人工智能+"应用动态[J].隧道建设(中英文),2023,43(4):563‒582.

[11] Zhang Ru, You Lyu, Zhang Zetian,et al.Intelligent UAV inspection for the full lifecycle of deep underground engineering:State-of-the-art,challenges, and future directions[J].Journal of China University of Mining & Technology,2025,54(6)1326‒1356.

[12] 张茹,吕游,张泽天,等.面向深地工程全生命周期的无人机智能巡检技术:现状、挑战与发展方向[J].中国矿业大学学报,2025,54(6):1326‒1356.

[13] McClymonds A D, Stephans T, Asadi S,et al.Evaluation of parameters that impact data collection for robot progress detection of a masonry wall[J].Journal of Computing in Civil Engineering,2026,40(2):04025150. doi:10.1061/jccee5.cpeng-6815

[14] Qin Chengshuai, Ma Chuanyi, Li Liping,et al.Development and application of an intelligent robot for rock mass structure detection:A case study of Letuan tunnel in Shandong,China[J].International Journal of Rock Mechanics and Mining Sciences,2023,169:105419. doi:10.1016/j.ijrmms.2023.105419

[15] Zapata S, Urvina R, Aro K,et al.Una estrategia híbrida de aprendizaje por refuerzo informada por RRT* para la planificación de caminos de robots móviles en minería a cielo abierto[J].Revista Iberoamericana de Automática e Informática Industrial,2024,22(1):57‒68. doi:10.4995/riai.2024.21581

[16] Zhang Ze, Hajieghrary H, Dean E,et al.Prescient collision-free navigation of mobile robots with iterative multimodal motion prediction of dynamic obstacles[J].IEEE Robotics and Automation Letters,2023,8(9):5488‒5495. doi:10.1109/lra.2023.3296333

[17] Zhang Yue, Wang Jing, Wang Dingheng,et al.Dynamic obstacle avoidance method for unmanned vehicle based on pedestrian trajectory prediction[J].Systems Engineering and Electronics,2025,47(7):2371‒2382. doi:10.12305/j.issn.1001-506X.2025.07.29

[18] 张岳,王晶,王鼎衡,等.基于行人轨迹预测的无人车动态避障方法[J].系统工程与电子技术,2025,47(7):2371‒2382. doi:10.12305/j.issn.1001-506X.2025.07.29

[19] Qian Zenghui, Chen Ruoyang, Yi Changyan,et al.Collision avoidance control for autonomous driving with multiple dynamic obstacles in IoV:A prediction-enhanced APF-based approach[J].IEEE Internet of Things Journal,2025,12(13):24968‒24984. doi:10.1109/jiot.2025.3556450

[20] Zhao Minghui, Gao Pan, Zhang Lipeng,et al.Emergency obstacle avoidance trajectory planning under dynamics characteristics constraints of corner module architecture intelligent electric vehicle[J].Robotics and Autonomous Systems,2026,196:105238. doi:10.1016/j.robot.2025.105238

[21] Zhang Kai, Gao Ruizhen, Zhang Jingjun.Research on trajectory tracking and obstacle avoidance of nonholonomic mobile robots in a dynamic environment[J].Robotics,2020,9(3):74. doi:10.3390/robotics9030074

[22] Ma Junjie, Li Tianbin, Yang Gang,et al.A real-time intelligent classification model using machine learning for tunnel surrounding rock and its application[J].Georisk:Ass-essment and Management of Risk for Engineered Systems and Geohazards,2023,17(1):148‒168. doi:10.1080/17499518.2023.2182891

[23] Sun Huaiyuan, Zhu Mengqi, Dai Yiming,et al.Digital twin of advanced geological conditions in rock tunnel construction[J].Automation in Construction,2025,178:106407. doi:10.1016/j.autcon.2025.106407

[24] Wang Mingnian, Zhao Siguang, Tong Jianjun,et al.Intelligent classification model of surrounding rock of tunnel using drilling and blasting method[J].Underground Space,2021,6(5):539‒550. doi:10.1016/j.undsp.2020.10.001

[25] Huang Hongwei, Chen Jiayao.Machine vision-based study on intelligent rating and excavation safety risk assessment of rock tunnel[J].Journal of Basic Science and Engineering,2023,31(6):1382‒1409.

[26] 黄宏伟,陈佳耀.基于机器视觉的隧道围岩智能识别分级与开挖安全风险研究[J].应用基础与工程科学学报,2023,31(6):1382‒1409.

[27] Wang Mingnian, Xia Qinyong, Lin Peng,et al.An intelligent classification model of surrounding rock for large cross-section tunnel based on the information fusion of drilling parameters and tunnel face images[J].China Railway Science,2025,46(3):103‒115.

[28] 王明年,夏覃永,林鹏,等.基于随钻参数和掌子面图像信息融合的大断面隧道围岩智能分级模型[J].中国铁道科学,2025,46(3):103‒115.

[29] Nie Yaoqi, Zhang Qian, Hou Lili,et al.TBM rock mass classification using XGBoost and Interpretable Machine learning[J].Advanced Engineering Informatics,2025,66:103459. doi:10.1016/j.aei.2025.103459

[30] Salzmann T, Ivanovic B, Chakravarty P,et al.Trajectron++:Dynamically-feasible trajectory forecasting with heterogeneous data[C]//Computer Vision-ECCV 2020.Cham:Springer,2020:683‒700. doi:10.1007/978-3-030-58523-5_40

[31] Yu Cunjun, Ma Xiao, Ren Jiawei,et al.Spatio-temporal gr-aph transformer networks for pedestrian trajectory prediction[C]//Computer Vision-ECCV 2020.Cham:Springer,2020:507‒523. doi:10.1007/978-3-030-58610-2_30

[32] Mangalam K, Girase H, Agarwal S,et al.It is not the journey but the destination:Endpoint conditioned trajectory pr-ediction[C]//Computer Vision-ECCV 2020.Cham:Springer,2020:759‒776. doi:10.1007/978-3-030-58536-5_45

[33] Shi Liushuai, Wang Le, Long Chengjiang,et al.SGCN:Sparse graph convolution network for pedestrian trajectory prediction[C]//Proceedings of the 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR).Nashville:IEEE,2021:8990‒8999. doi:10.1109/cvpr46437.2021.00888

[34] Pang Bo, Zhao Tianyang, Xie Xu,et al.Trajectory prediction with latent belief energy-based model[C]//Proceedings of the 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR).Nashville:IEEE,2021:11809‒11819. doi:10.1109/cvpr46437.2021.01164

[35] Xu Chenxin, Mao Weibo, Zhang Wenjun,et al.Remember intentions:Retrospective-memory-based trajectory prediction[C]//Proceedings of the 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR).New Orleans:IEEE,2022:6478‒6487. doi:10.1109/cvpr52688.2022.00638

[36] Bae I, Park J H, Jeon H G.Non-probability sampling network for stochastic human trajectory prediction[C]//Proceedings of the 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR).New Orleans:IE-EE,2022:6467‒6477. doi:10.1109/cvpr52688.2022.00637

[37] Gu Tianpei, Chen Guangyi, Li Junlong,et al.Stochastic trajectory prediction via motion indeterminacy diffusion[C]//Proceedings of the 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR).New Orleans:IEEE,2022:17092‒17101. doi:10.1109/cvpr52688.2022.01660

[38] Chen Yuxiao, Ivanovic B, Pavone M.ScePT:Scene-consistent,policy-based trajectory predictions for planning[C]//Proceedings of the 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR).New Orleans:IEEE,2022:17082‒17091. doi:10.1109/cvpr52688.2022.01659

[39] Mao Weibo, Xu Chenxin, Zhu Qi,et al.Leapfrog diffusion model for stochastic trajectory prediction[C]//Proceedings of the 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR).Vancouver:IEEE,2023:5517‒5526. doi:10.1109/cvpr52729.2023.00534

[40] Lin Xuanqi, Zhang Yong, Wang Shun,et al.OST-HGCN:Optimized spatial-temporal hypergraph convolution network for trajectory prediction[J].IEEE Transactions on Intelligent Transportation Systems,2025,26(3):3056‒3070. doi:10.1109/tits.2025.3529666

[41] Sadeghian A, Kosaraju V, Sadeghian A,et al.SoPhie:An attentive GAN for predicting paths compliant to social and physical constraints[C]//Proceedings of the 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR).Long Beach:IEEE,2020:1349‒1358. doi:10.1109/cvpr.2019.00144

[42] Li Ruochen, Katsigiannis S, Shum H P H.Multiclass-SGCN:Sparse graph-based trajectory prediction with agent class embedding[C]//Proceedings of the 2022 IEEE International Conference on Image Processing(ICIP).Bordeaux:IEEE,2022:2346‒2350. doi:10.1109/icip46576.2022.9897644

[43] Dendorfer P, Ošep A, Leal-Taixé L.Goal-GAN:Multimodal trajectory prediction based on goal position estimation[C]//Computer Vision-ACCV 2020.Cham:Springer,2021:405‒420. doi:10.1007/978-3-030-69532-3_25

[44] Deo N, Trivedi M M.Trajectory forecasts in unknown environments conditioned on grid-based plans[EB/OL].[2026-05-12].doi:10.1109/ivs.2018.8500493

[45] Li Guanlue, Luo Guiyang, Yuan Quan,et al.Trajectory prediction with heterogeneous graph neural network[M]//PRICAI 2022:Trends in Artificial Intelligence.Cham:Springer Nature Switzerland,2022:375‒387. doi:10.1007/978-3-031-20865-2_28

[46] Xie Ce, Li Yuanman, Liang Rongqin,et al.Synchronous bi-directional pedestrian trajectory prediction with error compensation[C]//Computer Vision-ACCV 2022.Cham:Springer,2023:699‒715. doi:10.1007/978-3-031-26351-4_42

[47] Shi Mengnan, Chen Yun, Gao Tianyu,et al.Accurate and reliable vision-based tunnel face rock mass classification by explainable deep learning[J].Tunnelling and Underground Space Technology,2026,168:107233. doi:10.1016/j.tust.2025.107233

[48] Zhang Ru, You Lyu, Zhang Zetian,et al.Development and prospect of multidimensional information perception and intelligent construction in deep earth engineering[J].Journal of China Coal Society,2024,49(3):1259‒1290.

[49] 张茹,吕游,张泽天,等.深地工程多维信息感知与智能建造的发展与展望[J].煤炭学报,2024,49(3):1259‒1290.

[50] Tranzatto M, Dharmadhikari M, Bernreiter L,et al.CER-BERUS in the DARPA Subterranean Challenge[J].Science Robotics,2022,7(66):eabp9742. doi:10.1126/scirobotics.abp9742

[51] Xie J, Chen B, Jiang S H,et al.Enhancing data reuse in tunnelling site investigation through transfer learning-based historical data mining[J].Underground Space,2025,23:161‒174. doi:10.1016/j.undsp.2025.02.003

基金资助

国家自然科学基金项目(52125402)

中国高校产学研创新基金‒无人集群协同智能项目(2024ZY014)