AgriColMap：面向精准农业的空地协同三维建图
机器人学
2019-03-15 v2 计算机视觉与模式识别
摘要
无人机的航空勘测能力与地面农业无人车的针对性作业能力相结合，可显著提升应用于精准农业的机器人系统的效能。在此背景下，构建并更新农田的通用地图是一项必要但具挑战性的任务。使用不同类型机器人构建的地图在尺寸、分辨率和尺度上呈现差异，相关的地理定位数据可能不准确且存在偏差，而农业环境中视觉外观与几何结构的重复性使得经典的地图合并技术失效。本文中，我们提出 AgriColMap，一种新颖的地图配准流程，其利用基于栅格的多模态环境表示，包含植被指数图与数字表面模型。我们将无人机与无人车所建地图间的数据关联问题转化为多模态、大位移稠密光流估计。通过投票方案筛选出的主导、一致光流被用作点对点对应，以推断地图间的初步非刚性对齐。随后，仅利用已配准地图中有意义的部分进行最终细化。我们使用涵盖 3 种不同作物田块的真实世界数据评估我们的系统。结果表明，我们的方法大幅优于多种最先进的地图配准与匹配技术，且对较大的初始错位具有更高的容忍度。我们随本文发布了所提方法的实现及所采集的数据集。
引用
@article{arxiv.1810.00457,
title = {AgriColMap: Aerial-Ground Collaborative 3D Mapping for Precision Farming},
author = {Ciro Potena and Raghav Khanna and Juan Nieto and Roland Siegwart and Daniele Nardi and Alberto Pretto},
journal= {arXiv preprint arXiv:1810.00457},
year = {2019}
}
备注
Published in IEEE Robotics and Automation Letters, 2019