针对地中海温室农业机器人的基于 RGB-D 点云的地面分割算法 GreenSeg
机器人学
2026-05-26 v1
摘要
地中海地区的温室农业面临显著的自动化挑战，由于其独特的结构和环境约束。这些环境以极窄的通道、从混凝土到翻耕土壤的异质地形，以及由聚乙烯覆盖物引起的严重光学干扰为特征，后者会在深度传感器中引起镜面反射和"幽灵点"。尽管自动导航对于数字化农业任务至关重要，但传统解决方案往往依赖昂贵的 3D LiDAR 系统，在大多数设施经济上难以规模化。为此，本文提出了基于 RGB-D 感知的 GreenSeg，一种稳健的感知框架，用于自主导航。该方法引入了双层验证策略：结合鲁棒全局平面拟合和曲率滤波实现地形适应性，以及基于种子点的区域生长约束确保可导航平面的空间连续性。实验在 AGRICOBI I 平台上进行验证，涵盖四个日照场景（不同太阳仰角）。结果显示，GreenSeg 在关键转向 maneuvers（走廊末端）时，召回率提升最高达 11.58%，mIoU 提升最高达 19.24%，持续优于基准分割方法。这些发现表明，所提出的算法使受预算限制且对光照条件敏感的非结构化、动态农业环境能够实现稳定和安全的自主导航。
引用
@article{arxiv.2605.25279,
title = {GreenSeg: Ground Segmentation Algorithm for Agricultural Robots in Mediterranean Greenhouses using RGB-D Point Clouds},
author = {Fernando Cañadas-Aránega and José C. Moreno and José L. Blanco-Claraco},
journal= {arXiv preprint arXiv:2605.25279},
year = {2026}
}