使用离散高斯过程表示的无人机杂草测绘主动信息规划
机器人学
2026-01-21 v1
摘要
使用无人机（UAV）进行精确的农业杂草测绘对精准农业至关重要。传统方法依赖固定的预设飞行路径和密集的离线处理，而信息路径规划（IPP）提供了一种在最需要的地方自适应收集数据的方法。高斯过程（GP）测绘提供了具有内在不确定性的杂草分布连续模型。然而，为了在自主规划中实际使用，必须对 GP 进行离散化。现有的离散化技术众多，但离散表示选择的影响仍不甚明了。本文研究了不同的离散 GP 表示如何影响基于 UAV 的杂草测绘中的测绘质量和任务级性能。考虑一架配备向下相机的 UAV，我们实现了一种滚动时域 IPP 策略，该策略根据地图不确定性、移动成本和覆盖惩罚来选择采样位置。我们研究了多种用于表示 GP 后验的离散化策略，并使用它们导出的地图划分来生成用于规划的候选视点。在真实世界杂草分布上的实验表明，表示的选择显著影响探索行为和效率。总体而言，我们的结果表明，离散化不仅是一个表示细节，更是塑造在线 UAV 杂草测绘中规划动态、覆盖效率和计算负载的关键设计选择。
引用
@article{arxiv.2601.13196,
title = {Active Informative Planning for UAV-based Weed Mapping using Discrete Gaussian Process Representations},
author = {Jacob Swindell and Marija Popović and Riccardo Polvara},
journal= {arXiv preprint arXiv:2601.13196},
year = {2026}
}