基于 RGB-D 相机算法与深度学习协同的葡萄园自主导航局部运动规划器
机器学习
2020-05-27 v1 计算机视觉与模式识别
机器学习
摘要
随着农业3.0和4.0的到来，研究者日益关注通过将自动化与机器人技术引入农业过程来开发创新的智慧农业与精准农业技术。自主农业田间机器正获得农民与产业界越来越多的关注，以降低成本、人力工作量与所需资源。然而，实现充分的自主导航能力需要不同过程的同步协作；定位、建图与路径规划只是旨在为机器提供在半结构化和非结构化环境中作业所需技能的部分步骤。在此背景下，本研究提出一种低成本的葡萄园自主导航局部运动规划器，仅基于 RGB-D 相机、低性能硬件与双层控制算法。第一种算法利用视差图及其深度表示生成对机器人平台的比例控制。同时，第二种后备算法基于表示学习并对光照变化具有鲁棒性，可在第一模块瞬时失效时接管机器控制。此外，由于系统的双重性质，在利用初始数据集对深度学习模型进行初始训练后，两种算法间的紧密协同开启了利用来自田间的新自动标注数据扩展现有模型知识的可能性。该机器学习算法已通过迁移学习，使用在意大利北部不同田间调查中获取的图像进行训练与测试，随后通过模型剪枝与量化优化为设备端推理。最后，整体系统已在相关环境中使用定制机器人平台完成验证。
引用
@article{arxiv.2005.12815,
title = {Local Motion Planner for Autonomous Navigation in Vineyards with a RGB-D Camera-Based Algorithm and Deep Learning Synergy},
author = {Diego Aghi and Vittorio Mazzia and Marcello Chiaberge},
journal= {arXiv preprint arXiv:2005.12815},
year = {2020}
}