面向 arable 农业的视觉-惯性里程计系统实验评估

农业产业不断寻求农业生产中不同过程（如播种、收获和除草）的自动化。使用移动自主机器人执行这些任务具有极大意义。鉴于高度重复的场景以及风吹引起的作物叶片运动所造成的视觉困难，耕地对移动机器人关键的同时定位与地图构建(SLAM)系统提出了严峻挑战。近年来，若干视觉-惯性里程计(VIO)与SLAM系统已被开发出来。它们已被证明在室内与室外城市环境中具有鲁棒性并能达到高精度。然而，它们尚未在农田中得到恰当评估。在本工作中，我们基于精度和处理时间评估了最相关的前沿VIO系统在耕地上的表现，以更好理解它们在此类环境中的行为。具体而言，评估基于我们的轮式机器人在大豆田中记录的传感器数据集合进行，该数据已作为Rosario数据集公开发布。评估表明，环境高度重复的外观、粗糙地形产生的强烈振动以及风吹引起的叶片运动，暴露了当前前沿VIO与SLAM系统的局限性。我们分析了系统故障并强调观察到的缺陷，包括初始化失败、跟踪丢失以及对IMU饱和的敏感性。最后我们得出结论：尽管如ORB-SLAM3和S-MSCKF等某些系统相对于其他系统表现出良好结果，仍应做更多改进以使它们在农田中用于作物行土壤耕作和农药喷洒等特定应用时变得可靠。