长期 4D 农业机器人数据集的采集与评估
机器人学
2022-11-28 v1 计算机视觉与模式识别
机器学习
摘要
长期自主性是机器人最受期待的能力之一。在长时间尺度上反复执行同一任务，并提供高标准的可复现性与鲁棒性，颇具吸引力。长期自主性可在精准农业机器人系统的采用中发挥关键作用，例如协助人类在大型果园中监测与采收作物。鉴于此目标，我们报告了在葡萄园中长期部署自主移动机器人以跨多月采集数据的持续工作。主要目的是在不同时间点从同一区域采集数据，从而能够分析环境变化对建图与定位任务的影响。在本工作中，我们呈现了一项基于地图的定位研究，取 4 次数据会话。我们识别出当预建地图与环境的当前外观存在视觉差异时的预期失效，并提出了 LTS-Net，一种旨在提取稳定时间特征以改善长期 4D 定位结果的方案。
引用
@article{arxiv.2211.14013,
title = {Collection and Evaluation of a Long-Term 4D Agri-Robotic Dataset},
author = {Riccardo Polvara and Sergi Molina Mellado and Ibrahim Hroob and Grzegorz Cielniak and Marc Hanheide},
journal= {arXiv preprint arXiv:2211.14013},
year = {2022}
}
备注
Presented at the "Perception and Navigation for Autonomous Robotics in Unstructured and Dynamic Environments" (PNARUDE) Workshop at IROS 22