基于梯度的局部下一最佳视角规划以改进目标植物节点的感知

机器人正越来越多地用于番茄温室中以自动化劳动密集型任务，如选择性采收和打叶。为执行这些任务，机器人必须能够准确且高效地感知需要切割的植物节点，尽管其他植物部分造成了高度遮挡。我们将此问题表述为一个局部下一最佳视角（NBV）规划任务，其中机器人必须规划一组高效的相机视角以克服遮挡并提升感知质量。我们的表述侧重于快速提升单一目标节点的感知精度，以最大化其被切割的机会。先前的 NBV 规划方法多聚焦于全局视角规划，并使用候选视角的随机采样进行探索，这可能带来高计算成本、因候选不佳导致的无效视角选择，或因采样低效产生的非平滑轨迹。我们提出了一种使用微分光线采样的基于梯度的 NBV 规划器，其直接估计视角规划的局部梯度方向以克服遮挡并改善感知。通过仿真实验，我们表明我们的规划器能像基于采样的 NBV 规划器一样处理好遮挡并改善节点的三维重建与位置估计，同时计算量降至十分之一，并生成效率高 28% 的轨迹。