用于采矿自主冲击锤的实时RGB-D感知流水线：自过滤、岩石分割和破岩姿态生成
本文提出一种实时RGB-D感知流水线，用于自动化采矿中的液压冲击锤操作。系统结合图像实例分割与几何点云处理，在嵌入式硬件上以约10 Hz运行，延迟约675 ms，能够生成可行的破岩姿态和无机器人三维工作空间表示。实验证明该系统适用于实时自主冲击锤操作。
冲击锤（也称碎石机）是采矿作业中用于二次破碎的关键设备。在地下采矿中，这些机器通常通过远程操控操作，受限于操作员的视野和反应时间，效率较低且劳动强度大。近日，arXiv上发表了由Martín Gallegos等人撰写的论文，提出了一种实时RGB-D感知流水线，旨在实现液压冲击锤的自动化操作。该系统的核心是同时生成操作可行的破岩姿态和无机器人的三维工作空间表示，从而为自主控制提供必要的感知输入。论文提出的方法巧妙地结合了基于图像的实例分割技术（如Mask R-CNN）与几何点云处理算法，通过一系列自过滤步骤去除传感器噪声和背景干扰，然后利用深度学习模型对岩石进行精确分割，最后根据分割结果和点云几何信息生成安全的破岩姿态。整个感知流水线在嵌入式硬件（如NVIDIA Jetson系列）上以约10 Hz的频率稳定运行，总处理延迟仅为675毫秒左右，这使得当与底层控制环路集成时，系统能够实现快速且响应式的闭环行为，满足实时性要求。在代表性缩放场景中的实验结果显示，该系统在不同岩石形状和堆叠情况下均能成功生成有效姿态，验证了其在真实采矿环境中部署的可行性和有效性。该论文共25页，包含20张图，研究领域涵盖机器人学（cs.RO）和计算机视觉与模式识别（cs.CV）。这项研究为采矿自动化领域贡献了重要的感知解决方案，有望显著提升二次破碎作业的效率、安全性和减少人工干预。未来的工作将进一步在真实采矿环境中测试该系统，并集成到实际机器中进行现场试验。