BOSfM：用于农业场景最优三维重建的视图规划框架
机器人学
2025-09-30 v1 人工智能
摘要
主动视觉因其在众多应用中的涌现而成为机器人研究的焦点，包括精准作物监测和自主采摘等农业任务。一个备受关注的主动视觉问题是利用来自不同视点的二维图像对目标环境进行三维重建。虽然在许多实际场景中，收集和处理大量任意捕获的二维图像十分繁琐，但更高效的解决方案是优化可用相机在三维空间中的放置，以捕获更少但更具信息量的图像，从而为有效重建感兴趣的环境提供充足的视觉信息。这一被称为视图规划的过程可能面临显著挑战： 相机位置和/或提取图像中出现的噪声； 需要在其他未知的类似农业环境中具有良好的泛化能力，而无需重新优化或重新训练。为应对这些挑战，本研究提出了一种新颖的视图规划框架，该框架考虑了基于重建质量的优化公式，并依赖于“运动恢复结构”概念从所选二维图像中重建目标环境的三维结构。在优化函数无解析表达式且函数评估成本高昂的情况下，提出了一种贝叶斯优化方法，仅需少量函数评估即可高效执行视图规划过程，同时兼顾不同噪声情况。在模拟和真实农业场景下的数值测试表明，所倡导的视图规划方法在高效估计最优相机放置以准确重建感兴趣的三维环境方面具有优势，并在类似未知环境中具有良好的泛化能力。
引用
@article{arxiv.2509.24126,
title = {BOSfM: A View Planning Framework for Optimal 3D Reconstruction of Agricultural Scenes},
author = {Athanasios Bacharis and Konstantinos D. Polyzos and Georgios B. Giannakis and Nikolaos Papanikolopoulos},
journal= {arXiv preprint arXiv:2509.24126},
year = {2025}
}