地下隧道无 GPS 信号、光线昏暗、空间狭长、电磁环境复杂，一直是轨道交通智能巡检技术攻关的核心难题。近日，OWL 3L正式落地北京交通大学先进轨道交通自主运行全国重点实验室，助力科研团队在模拟轨道交通复杂隧道环境中，开展无人机自主巡检技术验证。
北京交通大学先进轨道交通自主运行全国重点实验室（依托交通与通信学科），主攻列车自主追踪、隧道环境感知和设备监测。但隧道内GPS失效、光照差、障碍物密集，无人机难以自主飞行；而人工巡检需封锁线路、风险高、盲区多，无法满足实验室的仿真与算法验证需求。
实验室需要一套无 GPS 环境、全自主避障、开源可二次开发的室内无人机平台，用于模拟地铁、高铁隧道真实工况。
OWL 3L是面向科研院校、工业受限空间的全自主智能飞行平台，匹配轨道交通隧道模拟实验需求。
OWL 3L 专为科研工作者打造的开发平台
走进北京交通大学先进轨道交通自主运行全国重点实验室，团队成员们正利用猫头鹰OWL 3L平台，模拟轨道交通隧道环境的自主巡检场景。从感知融合到路径规划，从自主避障到实时检测，每一个环节都在这个小小的“空中机器人”上得到验证与优化。
OWL 3L搭载了国产化8核CPU与6TOPS NPU算力平台，融合了双目视觉、激光雷达与iToF多模态传感器。适用于无GPS环境下基于视觉的无人机定位、导航与避障算法的验证与开发。
OWL 3L支撑实验室五大核心研究场景
复杂环境导航算法
在实验室模拟隧道试验场地，还原真实地铁 / 高铁隧道狭长、多障碍、无卫星信号工况，验证无人机长距离自主巡航、动态避障、隧道转弯穿行控制算法。
三维环境建图与自主避障导航
OWL 3L的VisBot模块提供双目图像处理后的深度图信息，支持用户开发各类SLAM建图与避障算法。平台同时提供开源的ego_planner框架，基于体素地图和AStar路径规划算法。
多模态传感器融合感知
轨道交通隧道巡检需要识别裂缝、渗水、异物入侵等多种隐患。OWL 3L搭载双目/LiDAR/iToF多模态传感器，支持可见光、红外、激光雷达等多源感知数据的融合处理。
自主巡检任务规划与决策
巡、识、报、处”一体化管控是智能巡检的终极目标。OWL 3L提供6核CPU和5Tops TPU计算资源，支持机载边缘计算，让无人机在飞行中实时处理感知数据并做出自主决策。
室内无人机组网编队协同
未来面向大规模、高效率的隧道巡检需求，单机作业难以满足覆盖效率。OWL 3L支持室内无人机组网编队研究，为多机协同巡检提供理想的验证平台。
OWL 3L 在北京交通大学先进轨道交通自主运行全国重点实验室成功落地，攻克了隧道无 GPS 导航、多模态感知与多机协同算法等关键技术瓶颈，未来，团队可以依托该开源平台，持续攻关隧道感知、自主巡检和编队协同，推动无人机智能巡检从实验室走向地铁、高铁隧道实际运维，助力轨道交通智能化与无人化发展。