用于挖掘机铲斗实时姿态估计的机体感知激光雷达框架

《AUTOMATION IN CONSTRUCTION》：Body-aware LiDAR framework for real-time excavator bucket pose estimation

　　

**核心亮点：**

- 基于机载LiDAR的感知框架可实现挖掘机铲斗姿态的厘米级跟踪。
- 机载LiDAR充当内部观测器，融合运动学、语义与几何线索。
- 有效性门控机制在真实施工场地的土壤遮挡与扬尘条件下维持跟踪能力。
- 在三一重工SY19E平台上，在理想工况下以9.7 Hz的频率将平移跟踪误差控制在1.9 cm以内、旋转跟踪误差控制在7.7°以内。
- 为未来施工机械的闭环控制提供切实可行的机载姿态估计方案。

**引言**

在劳动力短缺、生产力需求和安全法规趋严的推动下，建筑业正快速向自主土方作业转型[1]。液压挖掘机由于其作业周期重复且可控，特别适合实现自动化。然而，闭环自主作业需要精确且实时地估计铲斗的三维姿态。中国GB 50202-2018规范要求标高施工容差≤50 mm，表面平整度容差±20 mm[2]，而此前的基于视觉的研究在受控实验条件下报告的斗齿尖端误差约为25.4 mm或30 mm以内[3]。在无结构化环境中实现同等精度仍具挑战性，因为实际作业中存在感知噪声、延迟、部分可观测性及遮挡等问题[4]。这些需求促使我们开发一种实时、无需基础设施的六自由度铲斗姿态估计框架，使其能在无结构化且易受遮挡的施工环境中达到毫米级精度。

现有文献通过两种解耦范式来应对该问题，但均未达到生产级要求。第一种是自感知（如关节编码器、惯性测量单元及油缸传感器经滤波器平滑[5],[6],[7],[8]），通过正向运动学推算姿态。由于末端执行器从未被直接观测，关节间隙、液压负载下的结构弹性变形以及传感器漂移等误差会未被测量地累积传播，导致现场误差达5–10 cm[9]。反之，第二种范式为外部感知，利用静态基础设施上的离线相机、雷达或LiDAR[3],[10],[11],[12]。尽管在受控条件下精度较高，但这些系统在结构上十分脆弱：随着工作面推进需要反复重新测量，且其视线经常受到扬尘、光照变化和机械体遮挡的干扰[13],[14]。

为弥补这一差距，近期研究探索了机载LiDAR以结合无需基础设施的操作方式与直接几何可观测性[15],[16],[17]。然而，仍存在三个关键局限性。首先，现有处理流程逐帧独立处理，忽略了挖掘运动的时序连续性；因此在铲斗被土壤掩埋时配准会出现发散[15],[17],[18]。其次，标准点云配准骨干网络（经典方法[19]或学习方法[11],[20],[21]）是在干净完整的物体上进行基准测试的，无法应对挖掘过程中固有的几何丢失（掩埋）与结构变形同时发生的情况。第三，这些方法缺乏验证机制来捕获静默失效，会将被腐蚀的估计值无条件传播至下游控制器。

本研究通过三个相互关联的核心命题来解决上述缺陷。第一，通过将机载LiDAR部署为准自感知观测器——刚性地安装在驾驶室内以在车辆坐标系内跟踪铲斗——我们在消除离线基础设施的同时保持了末端执行器的直接可观测性。第二，我们将该传感器嵌入一个紧耦合的处理流程中，融合运动学先验、学习型语义及基于模型的几何信息。在此过程中，时序连续性约束搜索空间，语义初始化防止陷入局部极小值，几何精调消除学习偏差。第三，自适应有效性门控机制评估几何拟合度与预测-观测一致性，将隐性的静默失效转化为显性的回退决策，以保障状态递归的安全性。

本文的主要贡献总结如下：

- 本文提出了一种基于机载LiDAR的挖掘机姿态估计框架，使其能够在复杂的施工环境中实现铲斗姿态的厘米级跟踪。
- 开发了一条统一的姿态估计流程，通过紧密集成运动学先验、语义感知与基于模型的迭代最近点（ICP）配准，从而提高了估计的鲁棒性与精度。同时引入了一种有效性门控策略，以增强在土壤遮挡、扬尘干扰及部分观测等恶劣场地条件下的跟踪可靠性。
- 在三一重工SY19E挖掘机平台上的大量实地评估证实，在理想工况下，平移跟踪偏差不超过1.9 cm，旋转跟踪偏差不超过7.7°，实时更新频率达9.7 Hz。
- 所提出的框架提供了可靠的实时姿态反馈，支持自主土方作业与精准平整任务的闭环控制。

**章节摘要**

**相关工作**

在动态且无结构的施工环境中实现高精度、无需基础设施的铲斗姿态跟踪，需要稳健的物理感知与强韧的算法估计之间的关键交汇。为界定该任务相关的技术挑战，并系统地界定本文框架所解决的研究空白，本节从两个相互关联的维度回顾了最先进的相关文献。具体而言，本

**方法**

受第2节所识别局限性的启发，所提出的框架采用机载LiDAR作为内部几何观测器，并将运动学预测、语义观测、几何精调与有效性门控整合为一个闭环的"预测—观测—验证"流程。该架构结合了运动连续性、学习型语义先验与几何一致性，以支持准确且鲁棒的铲斗姿态估计，同时防止配准失效在[流程中传播]。

**实验设置**

为全面评估所提出框架在真实施工条件下的估计精度、跟踪鲁棒性与实时性能，我们基于三一重工SY19E紧凑型液压挖掘机搭建了一个专用实验平台，并采集了一组涵盖静态定位、动态跟踪及重度遮挡作业的数据集，用于定量评估。本节介绍硬件平台（4.1节）、数据集采集与标注[情况]。

**结果与讨论**

为严格验证所提出的时空估计框架，我们使用三一重工SY19E电动迷你挖掘机平台进行了全面的实地实验。评估利用第4.3节中建立的运动学推导的高精度真值参考，定量评估绝对姿态跟踪精度。实验分析按序进行：首先评估各个算法模块，包括深度学习语义[网络等]。

**结论**

本文提出了一种基于机载LiDAR的时空跟踪框架，用于在无结构化施工环境中实现高精度、无需基础设施的挖掘机铲斗姿态估计。通过将机载LiDAR视为主动外部状态观测器，该框架紧密耦合了时空运动学预测器、增强型PointNet++语义定位模块、先验模型引导的点到面高级ICP精调阶段以及带有自适应状态更新机制的[有效性门控模块]。

**CRediT作者贡献声明**

张欣然：撰写——审阅与编辑，撰写——初稿，可视化，验证，软件，方法论，调查，形式化分析，数据整理。
边永明：撰写——审阅与编辑，指导，资源获取，项目管理，资金获取。
杨萌：撰写——审阅与编辑，指导，资源获取，项目管理，方法论，资金获取，概念构思。
贺莲博博：撰写——审阅与编辑，资源获取，项目管理。

**利益冲突声明**

作者声明，他们没有已知的可能影响本文所报告工作的竞争性经济利益或个人关系。

**致谢**

本研究部分受中国国家重点研发计划资助（项目批准号2023YFF0613202和2023YFC3806603）；部分受国家自然科学基金资助（批准号52205279）。

张欣然 | 边永明 | 杨萌 | 贺莲博博