面向农业机器人水果形状完成的数据集与基准
计算机视觉与模式识别
2025-03-07 v3 机器人学
摘要
随着全球人口预计在 2050 年达到 100 亿，尽管农业部门劳动力减少，但我们的农业生产系统仍需提高生产力。自主机器人系统是实现生产力提升的有前景的途径，通过取代人们在采果等耗时的手动任务。为了有效工作，这些系统需要精确地监控和与植物及果实进行交互，但农业环境的杂乱性（例如强遮挡）使得这一目标具有挑战性。因此，能够在遮挡环境下估计物体的完整三维形状对于自动化操作（如采果）至关重要。本文提出了首个面向农业视觉系统的公开可用的三维形状完成数据集。我们提供了一个用于估计水果三维形状的 RGB-D 数据集。具体而言，我们的数据集包含单只甜椒在实验室条件下以及商业温室中的 RGB-D 帧。对于每只水果，我们额外收集了高精度点云，用作基准。为了获取形状基准，我们开发了一种测量过程，允许我们在实验室和温室中以高精度记录真实甜椒植物的数据，并确定被感知水果的形状。我们公开了由近 7000 个 RGB-D 帧组成的数据集，这些帧来自超过 100 种不同的水果。我们提供了带有相机内参的分段 RGB-D 帧，以便轻松获取带颜色的点云，并附带我们使用高精度激光扫描仪获取的、无遮挡的高精度点云。我们此外通过在基准服务器上的公开挑战，使其在隐藏测试集上评估形状完成方法成为可能。
引用
@article{arxiv.2407.13304,
title = {A Dataset and Benchmark for Shape Completion of Fruits for Agricultural Robotics},
author = {Federico Magistri and Thomas Läbe and Elias Marks and Sumanth Nagulavancha and Yue Pan and Claus Smitt and Lasse Klingbeil and Michael Halstead and Heiner Kuhlmann and Chris McCool and Jens Behley and Cyrill Stachniss},
journal= {arXiv preprint arXiv:2407.13304},
year = {2025}
}