面向冠层下农业机器人的习得式视觉导航
机器人学
2024-04-24 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
我们描述了一种用于冠层下农业机器人视觉引导自主导航的系统。低成本冠层下机器人可在植物冠层下的作物行之间行驶，并完成冠层上无人机或大型农业设备无法实现的任务。然而，在冠层下自主导航它们面临诸多挑战：GPS 与 LiDAR 不可靠、感知成本高、农场地形艰巨、叶片与杂草造成的杂乱，以及跨季节和跨作物类型外观的巨大变化。我们通过构建一个模块化系统来应对这些挑战，该系统利用机器学习从低成本相机的单目 RGB 图像中实现鲁棒且可泛化的感知，并利用模型预测控制在艰巨地形中实现精确控制。我们的系统 CropFollow 在平均每次干预自主行驶 485 米，在跨越超过 25 公里的广泛田间测试中优于基于 LiDAR 的先进系统（每次干预 286 米）。
引用
@article{arxiv.2107.02792,
title = {Learned Visual Navigation for Under-Canopy Agricultural Robots},
author = {Arun Narenthiran Sivakumar and Sahil Modi and Mateus Valverde Gasparino and Che Ellis and Andres Eduardo Baquero Velasquez and Girish Chowdhary and Saurabh Gupta},
journal= {arXiv preprint arXiv:2107.02792},
year = {2024}
}
备注
RSS 2021. Project website with data and videos: https://ansivakumar.github.io/learned-visual-navigation/