超越短视导航：融合最佳视图轨迹规划与机器人导航

有效地收集视觉信息以监控已知环境是机器人中的关键挑战。为了像人类巡查人员一样高效，机器人系统必须持续收集完成其巡查任务所需的观察数据。检查人员天然地知道要查看恰好在路上出现的相关设备。在本文中，我们引入了一个用于连续长程视点规划的新框架，适用于地面机器人，应用于巡逻、监控或收集视觉数据的任务。我们的 LHVP 方法使机器人能够自主导航并收集环境数据，以优化其巡逻期间的覆盖范围。利用四足机器人的机动性和感知能力，LHVP 框架规划考量了手臂摄像头视点规划器与移动底盘导航规划器之间的耦合的巡逻路径。视点优化算法在全面环境覆盖和动态可行运动之间寻求平衡，从而确保在包括监控、安全监视和灾难响应等情景下的持续且有效的运行。我们通过仿真和实际测试验证了我们的方案，表明 LHVP 在区域覆盖方面显著优于朴素的巡逻方法，生成信息收集轨迹。我们的结果表明，这是机器人在长期自主巡查和环境数据收集任务中可行的方向，凸显了智能机器人系统在具有挑战性的现实世界应用中的潜力。