基于彩色点云的 3D 实例分割与重识别的园艺时序果实监测
计算机视觉与模式识别
2026-04-10 v3 机器人学
摘要
准确且一致的时序果实监测是迈向自动化农业生产系统的关键步骤。然而，由于果实大小、形状、遮挡、朝向的变化，以及果园动态环境中果实可能在观测间隙出现或消失，该任务本质上极具挑战。本文提出一种新方法，对随时间采集的 3D 地面点云进行果实实例分割与重识别。该方法直接作用于稠密彩色点云，捕捉精细的 3D 空间细节。我们采用基于学习的实例分割方法直接在点云上分割单个果实。为每个分割出的果实，利用 3D 稀疏卷积神经网络提取紧凑且判别性的描述子。为跨不同时间追踪果实，我们引入基于注意力的匹配网络，将果实与先前时段的对应果实关联。匹配采用概率分配方案，选择跨时间最可能的关联。我们在草莓和苹果的真实数据集上评估该方法，证明其在实例分割和时序重识别方面均优于现有方法，实现了在复杂多变果园环境中的鲁棒精准果实监测。
引用
@article{arxiv.2411.07799,
title = {Horticultural Temporal Fruit Monitoring via 3D Instance Segmentation and Re-Identification using Colored Point Clouds},
author = {Daniel Fusaro and Federico Magistri and Jens Behley and Alberto Pretto and Cyrill Stachniss},
journal= {arXiv preprint arXiv:2411.07799},
year = {2026}
}