AdaCropFollow：面向植被覆盖下视觉导航的自监督在线适应方法
机器人学
2024-10-17 v1 计算机视觉与模式识别
摘要
植被覆盖下的农业机器人可实现精准监测、喷洒、除草和植物操作等多种应用。由于RTK-GPS准确性下降以及场景视觉外观随时间变化较大，植被覆盖下的自主导航颇具挑战。在先前工作中，我们开发了基于语义关键点表示的监督学习感知系统，并在多种田间条件下部署了该系统。该系统大量失败可归因于感知模型在部署期间遇到的域迁移无法适应。在本文中，我们提出一种自监督在线适应方法，用于基于视觉基础模型、几何先验和伪标签来适应语义关键点表示。我们的初步实验表明，仅需少量数据和参数微调，即可在机器人计算机上以自监督方式适应各种具有挑战性的目标域。这样即可实现植被覆盖下机器人跨场地、作物的完全自主行驶跟随能力，无需人工干预。
引用
@article{arxiv.2410.12411,
title = {AdaCropFollow: Self-Supervised Online Adaptation for Visual Under-Canopy Navigation},
author = {Arun N. Sivakumar and Federico Magistri and Mateus V. Gasparino and Jens Behley and Cyrill Stachniss and Girish Chowdhary},
journal= {arXiv preprint arXiv:2410.12411},
year = {2024}
}