AgRowStitch：面向地面农业图像的高保真图像拼接管线
计算机视觉与模式识别
2025-03-31 v1
摘要
农业成像通常需要将单个图像拼接成最终的马赛克进行分析。然而，农业图像因纹理重复、植物非平坦以及由众多图像构建的马赛克会积累误差导致漂移而具有 particularly 挑战性的拼接难度。虽然这些问题可以通过使用地理参考图像或在高空拍摄图像来缓解，但尚无针对接近作物图像的通用解决方案。为此，我们创建了一个用户友好且开源的管线，用于拼接沿作物线性行的地面图像，无需依赖额外数据。首先，我们使用 SuperPoint 和 LightGlue 从小批量图像中提取和匹配特征。随后，我们在每个小批量中按顺序拼接图像，同时施加相机运动约束。对每个批量马赛克进行直角校正和缩放后，将所有批量马赛克按顺序拼接，然后直角校正为最终马赛克。我们在使用两种不同的农业机器人和相机手动在行内拍摄的72米长作物行上测试了该管线。在所有三种情况下，该管线产生了高质量的马赛克，可用于与实际世界位置进行地理参考，平均绝对误差为20厘米。该方法为需要在行内粗略地理参考位置的用户提供了可访问的叶片尺度拼接服务，而这些用户没有获取准确位置数据或高级成像系统的资源。
引用
@article{arxiv.2503.21990,
title = {AgRowStitch: A High-fidelity Image Stitching Pipeline for Ground-based Agricultural Images},
author = {Isaac Kazuo Uyehara and Heesup Yun and Earl Ranario and Mason Earles},
journal= {arXiv preprint arXiv:2503.21990},
year = {2025}
}