基于扰动感知预测视觉伺服的无人机管道自主近距巡检
机器人学
2026-04-22 v1
摘要
可靠的管道巡检对于安全的能源运输至关重要，但受到长距离、复杂地形以及对巡检人员风险的制约。无人机提供了灵活的传感平台，但可靠的自主巡检仍具挑战性。本文提出了一种基于图像视觉伺服模型预测控制 (VMPC) 的四旋翼自主近距管道巡检三维场景框架。统一的预测模型将四旋翼动力学与图像特征运动学耦合，实现了在控制环路内的直接图像空间预测。为应对低速率视觉更新、测量噪声和环境不确定性，开发了一种带有图像特征预测的扩展状态卡尔曼滤波方案 (ESKF-PRE)，并将估计的集总扰动纳入 VMPC 预测模型，构成了 ESKF-PRE-VMPC 框架。引入了地形自适应速度设计，以在未知地形坡度上生成垂直速度参考的同时保持期望的巡航速度，且无需先验地形信息。该框架在高保真 Gazebo 仿真和真实世界实验中得到了验证。在真实世界测试中，对于无风条件下的直管道巡检，所提方法在管道姿态和图像横向偏差方面的 RMSE 分别降低了 52.63% 和 75.04%，并成功完成了基线方法失败的风扰动和弯管道任务。改装了一架开源微型四旋翼用于室内实验。
引用
@article{arxiv.2604.19618,
title = {Autonomous UAV Pipeline Near-proximity Inspection via Disturbance-Aware Predictive Visual Servoing},
author = {Wen Li and Hui Wang and Jinya Su and Cunjia Liu and Wen-Hua Chen and Shihua Li},
journal= {arXiv preprint arXiv:2604.19618},
year = {2026}
}
备注
11 pages, 12 figures, Under Review