机器人弓字形模板的清洁轨迹

外壁和操作面板的几何特征与内壁迥异，因此在轨迹规划上需要采用不同的策略。除了螺旋轨迹外，还有多种覆盖方案可以互为补充，形成一个完整的清洁轨迹库。

一、外壁清洁轨迹

1. 外壁特征分析

• 几何形状：外壁通常为向外凸的连续曲面，曲率相对内壁更平缓，但下部可能存在内收造型。
• 清洁要求：主要擦拭灰尘和表面污渍，对贴合精度要求不如内壁高，但需要覆盖整个可见表面。
• 传感器约束：反射/盲区依然存在，但外壁通常光照较好，基座相机较易获得轮廓。

2. 轨迹方案：垂直往复弓字形 + 力控随动

核心思路：将外壁近似为一个可展开的曲面，在其上生成连续的来回扫描路径，利用力控保持轻微接触。

• 边界获取：利用基座深度相机获取外壁的大致轮廓（即使点云稀疏，也可提取边缘），或利用示教/遥控拖动机器人沿外壁走一圈，记录边界点。
• 路径生成：将外壁投影到一个近似拟合的圆柱面或自由曲面（可通过几个特征点拟合）。在投影面上生成竖直方向的往复轨迹（弓字形），从一侧边缘开始，沿竖直方向自上而下（或自下而上）扫描到底，再水平移动一个刷头宽度，反向扫描。水平步长 = 刷头覆盖宽度的 80%，确保重叠。
• 贴合控制：法向力设置为较小的值（如 1-2N），仅用于保证刷头接触而不损伤表面，由于外壁曲率变化较缓，可主要靠 J5 大俯仰和 SCARA 大臂的运动，J6 做微调。在拐角或边缘处，力控可自动顺应外形，无需精确的几何模型。

二、操作面板的清洁轨迹设计

1. 面板特征分析

• 位置：通常在侧面或顶部，为独立的平面或微曲面板，包含按键、旋钮、显示屏。
• 挑战：需避免误触按键；按键周围缝隙易积灰；表面可能是亮面易留水渍。
• 清洁要求：轻柔擦拭，压力均匀，路径规划要避开凸起按键或沿着缝隙清洁。

2. 轨迹方案：平面弓字形 + 按键避让

核心思路：将面板视为二维平面区域，生成精细的弓字形轨迹，并结合视觉识别按键位置进行局部避让或精细清洁。

• 面板定位与识别：用末端相机（近距离）正对面板拍摄，通过目标检测或模板匹配识别面板边界和按键位置。即使有轻微反射，用偏振片或红外光可改善。
• 生成清洁路径：路径规划时，在按键周围设置虚拟禁区，刷头不直接按压按键。刷头减小压力（如0.5N），沿按键四周的缝隙方向走轮廓轨迹，专门清洁沟槽。在面板平面内生成往复弓字形路径，扫描方向沿面板长边，步长 = 刷头宽度×80%。对于大面积空白区域，直接覆盖；对于按键区域，可采用两种策略位置或力控：
• 力控设置：法向力设置极低（0.5~1N），超细纤维布或海绵头不会损伤面板也不会误触发按键，对于显示屏，可能只需干擦，力控可为零（仅接触无压力）。
• 轨迹执行：面板是刚性的，贴合控制可以退化为纯位置控制加力限，即沿预定路径运动，同时监控力不超过阈值。

三、其他轨迹

除了螺旋轨迹，还有以下实用性强的通用清洁轨迹，可灵活组合：

1. 弓字形/往复扫描

• 适用面：近似平面的区域（座圈、面板、部分外壁）。
• 优点：简单，全覆盖，加减速少，适合大面积。
• 变种：自适应弓字形——根据区域宽度调整扫描方向，避免过多掉头。

2. 轮廓跟随

• 适用面：边缘、接缝、轮廓线（如座圈与内壁交界、面板边框）。
• 实现：力控模式下，将工具侧边轻贴住边缘，然后沿边缘方向移动，利用力反馈保持侧向接触，类似描边。
• 用途：清理沟槽、缝隙处的顽固污渍。

3. 点清洁/局部加强

• 适用面：视觉检测到的局部污渍点。
• 实现：在污渍位置驻留，小范围振动或旋转刷头，增加清洁时间，力可略加大。
• 触发：由末端相机洁净度评估结果驱动。

4. 分形/空间填充曲线（如希尔伯特曲线）

• 适用面：任意形状闭合区域的全覆盖，如外壁展开后的不规则形状。
• 优点：对任意边界适应性强，路径连续平滑。
• 缺点：计算较复杂，对运动控制要求高，易频繁加减速。
• 建议：可作为高级选项，在计算资源充足时使用，一般场景用弓字形即可。

5. 基于先验模型的模板匹配覆盖

• 适用面：有一定型号变化，但可以建立面片模板库。
• 实现：将表面分割为多个标准面片（内壁圆柱面、座圈平面、外壁圆锥面等），对每个面片应用预定义路径（如圆柱面用螺旋，平面用弓字），再拼接。
• 定位：通过基座相机识别型号，加载对应模板，再根据当前位姿微调。

6. 力觉引导的自适应边界扫描

• 适用面：几何完全未知的表面，无视觉信息。
• 实现：类似盲人摸象，机械臂在力控模式下，从一个点开始，往一个方向移动，直到接触力消失（边缘），然后回退并横向偏移，再往反方向移动。如此反复，可自动覆盖整个未知曲面。这种策略完全不需要视觉和模型，但速度较慢。

四、完整轨迹

根据已有的硬件和架构，构建一个轨迹模式库，由任务规划器根据区域类型调用：

五、注意事项

1. 优先实现弓字形和轮廓跟随，它们与螺旋轨迹一起，构成覆盖 95% 场景的最小轨迹集。
2. 利用力控适应，减少对精确几何的依赖。对于所有轨迹，导纳控制都是最后的安全网和贴合保证。
3. 视觉用于粗定位和触发：不依赖点云做轨迹，但用 RGB 或稀疏深度来做区域识别和污渍检测，提升智能化。
4. 参数自适应：通过力觉边界探测自动获取螺旋半径、弓字区域长宽等，避免手动示教，提高通用性。