基于高斯泼溅的园艺环境主动语义建图

农业场景的语义重建在表型分析和产量估计等任务中起着至关重要的作用。然而，依赖人工扫描或固定相机设置的传统方法仍然是该过程的主要瓶颈。在这项工作中，我们提出了一种使用移动机械臂的园艺环境主动三维重建框架。所提出的系统将经典的 Octomap 表示与 3D 高斯泼溅（3D Gaussian Splatting）相结合，以实现精确且高效的目标感知建图。低分辨率 Octomap 为信息丰富的视点选择和免碰撞规划提供概率占用信息，而 3D 高斯泼溅则利用几何、光度和语义信息来优化一组 3D 高斯，以实现高保真场景重建。我们进一步引入了简单而有效的策略，以增强对分割噪声的鲁棒性并减少内存消耗。仿真实验表明，我们的方法在运行效率和重建精度方面均优于纯粹基于占用的方法，能够实现精确的果实计数和体积估计。与分辨率为 0.01m 的 Octomap 相比，我们的方法在无噪声条件下将果实级别的 F1 分数提高了 6.6%，在存在分割噪声的情况下提高了高达 28.6%。此外，它还实现了 50% 的运行时间缩减，凸显了其在农业机器人中实现可扩展、实时语义重建的潜力。