面向苹果园机器人修剪的3D树枝点云补全

机器人树枝修剪是一个显著增长的研究领域，以应对农业劳动力短缺的问题。机器人修剪的一个基本要求是感知树枝的详细几何和拓扑结构。然而，在农业环境中获取的点云由于多种限制往往不完整，从而限制了后续机器人修剪的精度。在这项工作中，我们通过一个基于仿真的深度神经网络解决了点云质量问题，利用了一个真实到仿真（Real2Sim）数据生成流水线，该流水线不仅消除了手动参数化的需要，而且保证了仿真数据的真实性。基于仿真的神经网络被用于对真实世界的部分树枝联合执行点云补全和骨架化，无需额外的真实世界训练。Sim2Real定性补全和骨架化结果显示了模型在几何重建和拓扑预测方面的卓越能力。此外，我们通过使用原始不完整数据和完整数据比较树枝级性状表征误差，定量评估了Sim2Real性能。使用最佳完整数据，树枝直径和树枝角度估计的平均绝对误差（MAE）分别降低了75%和8%，这表明Real2Sim数据在零样本泛化设置中的有效性。表征改进有助于提高机器人树枝修剪的精度和效率。