用於採礦自主衝擊錘的即時RGB-D感知流水線：自過濾、岩石分割和破巖姿態生成
本文提出一種即時RGB-D感知流水線，用於自動化採礦中的液壓衝擊錘操作。系統結合影像例項分割與幾何點雲處理，在嵌入式硬體上以約10 Hz執行，延遲約675 ms，能夠生成可行的破巖姿態和無機器人三維工作空間表示。實驗證明該系統適用於即時自主衝擊錘操作。
衝擊錘（也稱碎石機）是採礦作業中用於二次破碎的關鍵裝置。在地下采礦中，這些機器通常透過遠端操控操作，受限於操作員的視野和反應時間，效率較低且勞動強度大。近日，arXiv上發表了由Martín Gallegos等人撰寫的論文，提出了一種即時RGB-D感知流水線，旨在實現液壓衝擊錘的自動化操作。該系統的核心是同時生成操作可行的破巖姿態和無機器人的三維工作空間表示，從而為自主控制提供必要的感知輸入。論文提出的方法巧妙地結合了基於影像的例項分割技術（如Mask R-CNN）與幾何點雲處理演算法，透過一系列自過濾步驟去除感測器噪聲和背景干擾，然後利用深度學習模型對岩石進行精確分割，最後根據分割結果和點雲幾何資訊生成安全的破巖姿態。整個感知流水線在嵌入式硬體（如NVIDIA Jetson系列）上以約10 Hz的頻率穩定執行，總處理延遲僅為675毫秒左右，這使得當與底層控制環路整合時，系統能夠實現快速且響應式的閉環行為，滿足即時性要求。在代表性縮放場景中的實驗結果顯示，該系統在不同岩石形狀和堆疊情況下均能成功生成有效姿態，驗證了其在真實採礦環境中部署的可行性和有效性。該論文共25頁，包含20張圖，研究領域涵蓋機器人學（cs.RO）和計算機視覺與模式識別（cs.CV）。這項研究為採礦自動化領域貢獻了重要的感知解決方案，有望顯著提升二次破碎作業的效率、安全性和減少人工干預。未來的工作將進一步在真實採礦環境中測試該系統，並整合到實際機器中進行現場試驗。