一种用于行栽作物自主导航的深度学习驱动算法流水线
机器人学
2023-09-18 v2 人工智能
摘要
昂贵的传感器与低效的算法流水线显著影响自主机器的整体成本。然而，经济实惠的机器人方案对实际应用至关重要，其经济影响构成了大多数应用领域部署服务机器人的基本要求。其中，精准农业领域的研究人员力求设计鲁棒且低成本的自主平台，以提供真正大规模的竞争性方案。本文提出一种用于行栽作物自主导航的完整算法流水线，专为应对低量程传感器与季节性变化而设计。首先，我们基于鲁棒的数据驱动方法生成自主机器的可行路径，仅利用农田的占据栅格地图信息即可覆盖作物的全部范围。此外，我们的方案借助深度学习优化技术的最新进展与数据合成生成，提供了一种经济高效的解决方案，有效应对众所周知的全球导航卫星系统(GNSS)不可靠性以及因行内植被生长导致的退化问题。针对计算机生成环境与真实作物的大量实验与仿真，证明了我们方法的鲁棒性与内在泛化能力，为高度经济且完全自主的机器开辟了可能。
引用
@article{arxiv.2112.03816,
title = {A Deep Learning Driven Algorithmic Pipeline for Autonomous Navigation in Row-Based Crops},
author = {Simone Cerrato and Vittorio Mazzia and Francesco Salvetti and Mauro Martini and Simone Angarano and Alessandro Navone and Marcello Chiaberge},
journal= {arXiv preprint arXiv:2112.03816},
year = {2023}
}
备注
Submitted to Robotics and Autonomous Systems (Elsevier)