Vision-Based Adaptive Robotics for Autonomous Surface Crack Repair

本文介绍了一种自适应的、自主的表面裂缝检测和修复系统，采用先进的感知技术和机器人技术。该系统使用RGB-D相机进行裂缝检测，激光扫描仪进行精确测量，挤出机和泵进行材料喷涂。通过使用3D打印的裂缝样本进行新颖的验证程序，模拟了真实世界的裂缝，确保测试的重复性。研究表明，自适应的裂缝填充系统比固定速度的方法更高效、更有效，实验结果证实了其精度和一致性。这项研究为多功能、可靠的机器人基础设施维护铺平了道路。

论文旨在解决基础设施表面裂缝的自动检测和修复问题，提高效率和准确性。传统手动修复方法耗时费力且不易扩展到大面积，而现有自动化方法缺乏端到端测试和适应性。

论文提出了一种自适应自动化系统，使用先进的感知技术进行表面裂缝检测和修复。该系统使用RGB-D相机进行裂缝检测，激光扫描仪进行精确测量，挤出机和泵进行材料喷涂，实现了裂缝检测和修复的自适应性。

论文使用3D打印的裂缝样本进行验证，确保测试的重复性。实验结果表明，自适应的裂缝修复系统比固定速度的方法更有效、更精确。该研究为多功能、可靠的基础设施维护铺平了道路。

近期在这个领域中，还有一些相关的研究。例如：《基于机器学习的混凝土表面裂缝智能检测方法》、《基于机器视觉的道路裂缝检测技术研究》等。