AgriNeRF：针对恶劣照明条件下的农业神经辐射场
机器人学
2024-09-25 v1
摘要
神经辐射场 (NeRF) 在 3D 场景重建和新视角合成方面显示出巨大的潜力。在农业场景中，NeRF 可作为数字孪生体，为水果检测提供关键信息，从而用于产量估计和其他对农民至关重要的指标。然而，传统 NeRF 对恶劣照明条件（如低光、极端强光和变化照明）不够稳健。为此，本工作利用了三种不同传感器：RGB 相机、事件相机和热相机。我们的 RGB 场景重建在 PSNR 和 SSIM 上分别提高了 +2.06 dB 和 +8.3%。我们的跨光谱场景重建通过 +43.0% 的 mAP50 和 +61.1% 的 mAP50-95 提升了下游水果检测效果。额外传感器的集成导致更稳健、信息更丰富的 NeRF。我们展示了该多模态系统能在各种树冠覆盖情况和不同时间的照明下实现高质量的照片级真实感重建。本工作的结果是发展出一种在可见性降解场景下表现良好的韧性 NeRF，以及用于自动水果检测的学习型跨光谱表示。
引用
@article{arxiv.2409.15487,
title = {AgriNeRF: Neural Radiance Fields for Agriculture in Challenging Lighting Conditions},
author = {Samarth Chopra and Fernando Cladera and Varun Murali and Vijay Kumar},
journal= {arXiv preprint arXiv:2409.15487},
year = {2024}
}
备注
7 pages, 5 figures