部署 CropFollow++ 的经验：基于关键点的冠层下农业导航
机器人学
2024-04-30 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
我们提出了一种使用语义关键点的冠层下农业机器人视觉导航系统。由于作物行之间间距紧凑（约 m）、多径效应导致 RTK-GPS 精度下降以及过度杂乱导致 LiDAR 测量噪声，自主冠层下导航具有挑战性。我们的系统 CropFollow++ 引入了具有学习到的语义关键点表示的模块化且可解释的感知架构。我们在各种田间条件下大规模部署了搭载 CropFollow++ 的多台冠层下覆盖作物种植机器人（总计 25 km），并讨论了从中获得的关键经验。
引用
@article{arxiv.2404.17718,
title = {Lessons from Deploying CropFollow++: Under-Canopy Agricultural Navigation with Keypoints},
author = {Arun N. Sivakumar and Mateus V. Gasparino and Michael McGuire and Vitor A. H. Higuti and M. Ugur Akcal and Girish Chowdhary},
journal= {arXiv preprint arXiv:2404.17718},
year = {2024}
}
备注
Accepted to the IEEE ICRA Workshop on Field Robotics 2024