跳到正文
arXiv · 机器人与计算机视觉· Ayse Gul Yildiz, Rekha Raja·· 2026-10-15AI 评分66

针对高遮挡目标的视域缩减型次优视角规划方法

Receding-Horizon Next-Best-View Planning for Highly Occluded Target Perception

AI 导读

针对机器人系统在获取特定目标信息时面临的严重遮挡问题,本文提出了一种基于视域缩减的次优视角(RH-NBV)规划器。该方法将局部感知建模为短视界序列决策问题,通过评估未来视角序列而非孤立视角来选择视点。实验在 UR5e 机械臂及物理机器人上验证,在重度遮挡条件下,RH-NBV 的目标区域覆盖率达 63.8%,被遮挡表面召回率为 85.5%,显著优于单步次优视角规划器。

来源:arXiv · 机器人与计算机视觉 · arxiv.org