面向果园机器人自主性的新型感知与语义建图方法
机器人学
2024-03-29 v3
摘要
农业机器人必须在具有挑战性的动态和半结构化环境中导航。近来，基于 LiDAR 的 SLAM 环境建模在提供高精度几何信息方面展现出前景。然而，如何将这种杂乱的环境信息用于实现农业领域的有效机器人自动化仍未被探索。在本研究中，我们提出了一种用于实现果园中机器人自主性的新型语义建图与导航框架。它由两个主要部分组成：语义处理模块和导航模块。首先，我们提出了一种新颖的 3D 检测网络架构 3D-ODN，可准确处理来自点云的目标实例信息。其次，我们开发了一个通过结合语义信息和地形分析来构建可见性地图的框架。通过结合这两个关键组件，我们的框架在若干关键园艺生产场景中得到评估，包括用于原位表型分析和日常监测的机器人系统，以及苹果园中的选择性收获系统。实验结果表明，我们的方法能够确保对环境理解的高精度，并实现农业环境中可靠的机器人自主性。
引用
@article{arxiv.2308.16748,
title = {A Novel Perception and Semantic Mapping Method for Robot Autonomy in Orchards},
author = {Yaoqiang Pan and Hao Cao and Kewei Hu and Hanwen Kang and Xing Wang},
journal= {arXiv preprint arXiv:2308.16748},
year = {2024}
}