用于优化基于无人机精准杂草测绘的离散高斯过程表示
机器人学
2025-03-11 v1 人工智能
摘要
使用无人机进行准确的农业杂草测绘对精准农业应用至关重要。传统方法依赖于固定飞行路径的正射影像拼接，其计算量大且耗时。基于高斯过程（GP）的测绘提供了对底层变量（即杂草分布）的连续建模，但在路径规划或可视化等实际任务中需要进行离散化。现有实现通常默认使用四叉树或网格地图，而未系统评估其他替代方案。本研究比较了五种离散化方法：四叉树、楔形小波、使用最小二乘误差（LSE）的自顶向下二值空间划分（BSP）树、使用图合并的自底向上BSP树，以及可变分辨率六边形网格。在真实世界杂草分布上的评估测量了视觉相似度、均方误差（MSE）和计算效率。结果表明，四叉树总体表现最佳，但替代方法在特定场景中表现出色：六边形或BSP LSE适用于具有大型主导杂草斑块的区域，而四叉树对于分散的小规模分布是最优的。这些发现表明，需要根据杂草分布模式（斑块大小、密度、覆盖率）定制离散化方法，而不是依赖默认方法。通过根据底层分布选择表示方法，我们可以提高精准农业应用的测绘准确性和效率。
引用
@article{arxiv.2503.07210,
title = {Discrete Gaussian Process Representations for Optimising UAV-based Precision Weed Mapping},
author = {Jacob Swindell and Madeleine Darbyshire and Marija Popovic and Riccardo Polvara},
journal= {arXiv preprint arXiv:2503.07210},
year = {2025}
}