面向部分已知室内环境中无人机表面检查的 ASIP-Planner 自适应规划

室内基础设施检查（如隧道和工业设施）需要系统性的表面覆盖，以确保所有检查目标得到 proper 检视。无人机（UAV）提供了一种替代方案，通过使用先验结构模型进行地图引导的表面检查。然而，实际情况下，室内检查往往依赖于从平面图推导的参考地图，这些地图可能不反映意外障碍物（如临时结构或设备），导致视野遮挡并降低检查质量。现有的覆盖规划方法通常假设检查环境完全已知，基于准确的先验地图进行确定性全局视点优化，使其在执行期间对环境差异极其脆弱。本文提出了一种用于部分已知结构化室内环境的自适应无人机检查框架。所提方法将基于段的全局覆盖规划器与一种以检查为导向的 local view-angle 适应模块集成。全局规划器将平面检查目标组织为面对齐聚类，以生成具有 improved 取向一致性的紧凑视点序列。local 规划器生成碰撞自由轨迹，并在在线调整视角以缓解遮挡导致的覆盖损失，同时保持计划的轨迹结构。跨随机场景配置的仿真结果表明，所提全局规划器在接近完整覆盖的同时，显著缩短了轨迹长度。real-world 飞行实验进一步验证了该框架为下游分析产生可用检查数据。这些结果表明，所提框架在部分已知结构化室内环境中提高了检查效率和适应性。