Vision-Based Crack Segmentation and Coverage Planning for Autonomous Mobile Robots
本文提出了一种自主移动机器人系统，该系统集成了一个用于实时裂缝检测的轻量化 YOLOv11n-seg 深度学习模型，以及一个基于记忆增强的牛耕式覆盖路径规划器，在模拟基础设施检测任务中实现了高覆盖率和高路径效率。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
像桥梁、隧道和公路这样的混凝土结构是现代社会的无声支柱，但它们正不断受到时间和压力的攻击。随着多年的使用，这些表面会产生裂缝，如果如果不加注意，这些裂缝可能会演变成危险的失效。几十年来，发现这些隐藏裂纹的唯一方法就是由人类检查员攀爬、爬行并近距离观察陈旧的基础设施。这项工作缓慢、昂贵，且往往会让人们处于危险之中，尤其是当他们必须检查高墙或狭窄、不稳定的空间时。为了解决这个问题，工程师们正转向能够自主移动、通过摄像头观察缺陷并规划路径以检查表面每一寸空间的机器人。挑战在于如何教这些机器同时完成两件困难的事情：在混乱的视觉环境中识别微小的、不规则的裂缝，以及绕过障碍物进行导航，以确保不会遗漏任何一个点。
来自孟加拉国大学的一个研究小组构建了一个将这些能力结合在一起的原型系统。他们创建了一个自主机器人，旨在通过结合一个可以识别裂缝的智能摄像头和一个可以规划完整表面路径的导航系统来检查基础设施。该机器人使用摄像头寻找损伤，依赖于一种经过数千张真实裂缝图像训练的人工智能。该系统设计得足够轻量化，可以在小型计算机上运行，从而使机器人在移动时能够快速做出决策。当机器人看到裂缝时，它会进行标记；当它看到障碍物时，它会停止或转向。目标是让机器人像割草一样在墙壁或道路上前后扫掠，系统地覆盖整个区域，但又具备避免碰撞家具、管道或其他可能阻挡去路的障碍物的智能。
为了测试这个想法，研究人员并没有立即将物理机器人送入真实的建筑中。相反，他们在名为 Webots 的计算机模拟环境中构建了一个详细的虚拟世界。在这个数字环境中，他们放置了一个配备了摄像头和八个红外传感器（充当检测附近物体的触觉须）的小型轮式机器人。团队为机器人设定了一个特定的任务：穿越一个定义的区域，寻找裂缝，并避开放置在路径上的三个大型桶状障碍物。机器人的大脑由两个协同工作的核心部分组成。第一部分是经过 4,000 多张裂缝图像数据集训练的视觉系统。该系统学会了识别裂缝的视觉模式，并将它们与阴影或表面污渍区分开来。第二部分是导航规划器，它将区域分解成网格，并指示机器人进行之字形移动，以确保覆盖每一平方英寸。如果机器人遇到障碍物，它会使用记忆系统记住哪些点被阻挡了，并迅速选择一个新的附近目标进行访问，而不是陷入停滞或浪费时间。
这些模拟结果令人鼓舞，但也揭示了系统在某些方面需要改进的具体领域。视觉系统在执行其主要任务方面表现得非常出色。在测试中，当它对发现结果有把握时，正确识别了约 89% 的裂缝，并且成功定位了测试图像中大约 70% 的所有裂缝。这意味着机器人非常擅长在看到损伤时发现它，尽管它偶尔会错过非常细微或微小的裂缝。导航系统在开阔空间也表现良好，实现了 94% 的总面积覆盖率，并以 92% 的效率沿着计划路径移动。机器人在大约 250 秒内完成了整个检查任务，成功地绕过了环境中的大多数障碍物。
然而，实验也凸显了机器人在处理复杂、拥挤空间时的显著弱点。当机器人进入障碍物密集的区域时，它有时会陷入循环，在相同的几个点之间反复来回转动而无法取得进展。在其中一个特定的障碍物集群中，机器人浪费了近 90 秒——超过了总任务时间的三分之一——困在重复行为中。这种情况发生是因为机器人的决策逻辑过于简单；它会选择最近的未访问点，而不考虑自己是否陷入了困境，从而导致了徒劳移动的循环。虽然机器人最终可以脱离这些循环，但这种延迟表明，目前的规划方法在面对最困难的现实场景时还不够健壮。
尽管存在这些小问题，这项研究仍然证明了在小型、高效的平台上结合先进视觉检测与自主移动是可能的。研究人员展示了机器人可以使用摄像头寻找结构损伤，并使用一组简单的传感器来避免碰撞，同时还能在足以装在移动设备上的计算机上运行。该系统成功证明了模块化方法（即视觉和导航部分既可以协同工作，也可以分别进行改进）是一个可行的路径。团队承认，在将这项技术应用于实际的桥梁或隧道之前，必须升级导航逻辑以防止机器人卡住，并且摄像头系统需要变得更加精确，以定义裂缝的确切边缘。目前，这项工作提供了一个坚实的基础，表明自动驾驶检查机器人的梦想正在从理论走向切实可行的现实，准备好在未来承担起维护基础设施安全的危险且枯燥的任务。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。