Observation-Constrained Joint-Space Viewpoint Optimization for Robotic Inspection of Cylindrical Cavities
作者: Yuezhong Wang, Rongshen Yin, Bichi Zhang, Sören Schwertfeger
分类: cs.RO
发布日期: 2026-08-17
💡 一句话要点
提出观察约束的关节空间视角优化方法以解决机器人圆柱腔体检查问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 机器人检查 关节空间优化 圆柱腔体 运动规划 可见性约束 自动化技术
📋 核心要点
- 现有方法在检查圆柱腔体时面临可见性、运动学和碰撞约束的挑战，难以精确定位相机。
- 本文提出了一种新的方法，通过表示检查目标为有效视角几何体，优化机器人关节配置以满足观察约束。
- 实验结果显示，该方法在100个目标配置中成功完成92个，平均底部可见性达到91.65%，显著优于基线方法。
📝 摘要（中文）
检查是移动机器人应用中的核心能力，尤其是在工业监控、基础设施维护、农业和搜救等领域。本文提出了一种完全自主的方法，用于在机器人关节空间中进行圆柱腔体的观察约束检查。该方法通过表示检查目标为一组有效的视角几何体，避免了对可达视角和关节极限边际较差配置的拒绝。RGB感知前端通过弧支持椭圆拟合和身体及侧面生成线索，从语义掩膜中估计开口中心和定向腔体轴。这些估计参数化了相机轴对齐、横向偏移和轴向间距的约束。多起始的无导数搜索优化机器人关节配置，优先考虑约束满足，最终候选配置通过碰撞感知运动规划器进行评估，并通过几何验证和基于光线的底部可见性估计进行验证。实验结果表明，该方法在100个目标配置中成功完成92个，执行试验的平均底部可见性达到91.65%。
🔬 方法详解
问题定义：本文旨在解决机器人在检查圆柱腔体时的相机定位问题，现有方法往往无法有效处理可见性和运动学约束，导致可达视角的拒绝和配置不佳。
核心思路：提出了一种观察约束的关节空间优化方法，通过将检查目标表示为一组有效的视角几何体，避免了对可达视角的限制，从而提高了检查的灵活性和有效性。
技术框架：整体方法包括RGB感知前端、约束参数化、多起始无导数搜索和碰撞感知运动规划等模块。首先，通过感知前端获取腔体的几何信息，然后优化关节配置以满足约束，最后通过运动规划器评估和验证相机姿态。
关键创新：最重要的创新在于将检查目标表示为有效视角几何体，而非单一的笛卡尔相机姿态，这一设计使得方法能够更好地处理关节极限和可见性问题。
关键设计：在参数设置上，使用了弧支持椭圆拟合来估计腔体的几何特征，约束条件包括相机轴对齐、横向偏移和轴向间距，优化过程中优先考虑约束满足和运动经济性。实验中还采用了碰撞感知的运动规划器以确保安全性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，提出的方法在100个目标配置中成功完成92个，平均底部可见性达到91.65%，相比基线方法的76个成功配置和84.3%的可见性有显著提升，验证了方法的有效性和优越性。
🎯 应用场景
该研究的潜在应用领域包括工业设施监控、基础设施维护、农业检查和搜救任务等。通过提高机器人在复杂环境中的检查能力，能够显著提升工作效率和安全性，未来可能推动相关领域的自动化进程。
📄 摘要（原文）
Inspection is a core capability in many mobile robotics applications, including industrial facility monitoring, infrastructure maintenance, agriculture, and search and rescue. Observing the bottom of a cylindrical cavity, as required by ASTM search-task benchmarks for response robots, presents a representative challenge: the robot must position its camera precisely while satisfying visibility, kinematic, and collision constraints. This paper presents a fully autonomous method for observation-constrained inspection of cylindrical cavities in robot joint space. Rather than prescribing a single Cartesian camera pose, the method represents the inspection objective as a set of valid viewing geometries, thereby avoiding the rejection of reachable viewpoints and configurations with poor joint-limit margins. An RGB perception front end estimates the opening center and directed cavity axis from semantic masks using arc-supported ellipse fitting together with body and side-generator cues. These estimates parameterize constraints on camera-axis alignment, lateral offset, and axial standoff. A multistart derivative-free search then optimizes robot joint configurations with lexicographic priority given to constraint satisfaction; feasible configurations are ranked according to motion economy, joint-limit margin, and view quality. The resulting candidates are evaluated by a collision-aware motion planner, and the executed camera pose is verified geometrically and using a ray-based estimate of bottom visibility. In Isaac Sim, the proposed method successfully completes 92 of 100 target configurations and attains 91.65% mean bottom visibility among executed trials, compared with 76 of 100 and 84.3% for a multistart coordinate-search baseline. Tabletop and Unitree A2-mounted experiments demonstrate the complete perception-planning-execution pipeline.