基于计算机视觉辅助的建筑与矿业自主 aggregate 分拣系统
机器人学
2025-09-03 v1
摘要
传统的aggregate分拣方法，无论是手动还是机械，常常 suffer from 低精度、有限灵活性和对多样化物性（如大小、形状和岩石学）适应性差。为此，本研究提出一种用于建筑与矿业应用的计算机视觉辅助机器人臂系统。该系统集成了六自由度机器人臂、用于3D感知的双目立体相机，以及基于ROS的控制框架。核心技术包括注意力增强的YOLOv8模型用于aggregate检测、立体匹配用于3D定位、Denavit-Hartenberg运动学建模用于臂运动控制、最小包围矩形分析用于尺寸估计，以及手眼标定用于精确坐标对齐。通过四种aggregate类型进行的实验验证，实现了97.5%的平均抓取与分拣成功率，分类精度亦相当。剩余挑战包括小颗粒的可靠处理以及基于纹理的误分类。总体而言，所提出的系统在提升生产力、降低运营成本和改善安全性方面具有显著潜力，同时为推进建筑、矿业和回收行业的智能自动化提供了可扩展框架。
关键词
引用
@article{arxiv.2509.00339,
title = {Autonomous Aggregate Sorting in Construction and Mining via Computer Vision-Aided Robotic Arm Systems},
author = {Md. Taherul Islam Shawon and Yuan Li and Yincai Cai and Junjie Niu and Ting Peng},
journal= {arXiv preprint arXiv:2509.00339},
year = {2025}
}