农业田野中无人机高效搜索的自适应路径规划
机器人学
2025-06-11 v2 计算机视觉与模式识别
摘要
本文提出了一种用于农业田野中无人机对象搜索的自适应路径规划器。该路径规划器使用高海拔覆盖飞行路径，在检测网络不确定时计划额外的低海拔检查。该路径规划器在包含真实世界图像的离线仿真环境中进行了评估。我们训练了 YOLOv8 检测网络，以检测放置在草地上的人工植物，以展示自适应路径规划器的潜力。我们评估了不同检测确定性措施的效果，优化了路径规划参数，探讨了局部分布对象和场中不同对象的数量之间的影响。YOLOv8 检测置信度最能区分真阳性和假阳性检测，因此被用于自适应规划器。路径规划器的最优参数取决于场中对象的分布。当对象在场中均匀分布时，需要更多的低海拔检查，导致更长的路径长度；而对于非均匀分布的对象，路径更短。自适应路径规划器对局部分布不确定性具有鲁棒性。随着对象数量的增加，飞行路径长度也随之增加，尤其是在对象均匀分布时；而对于非均匀分布的对象，自适应路径规划器即使在大量对象情况下也能比低海拔覆盖路径更短。总体而言，所提出的自适应路径规划器能够更快地找到场中非均匀分布的对象，同时保持兼容的检测准确率。该路径规划器已在 https://github.com/wur-abe/uav_adaptive_planner 上提供。
引用
@article{arxiv.2504.02473,
title = {Adaptive path planning for efficient object search by UAVs in agricultural fields},
author = {Rick van Essen and Eldert van Henten and Lammert Kooistra and Gert Kootstra},
journal= {arXiv preprint arXiv:2504.02473},
year = {2025}
}