面向自动无人机修剪中薄针叶松树枝的低成本立体视觉与鲁棒3D定位
计算机视觉与模式识别
2026-05-12 v1
摘要
针对新西兰林业中经济重要的针叶松进行人工修剪存在安全风险、费力且受劳动力短缺限制。现有自主修剪平台通常依赖高成本传感器如 LiDAR，且仅限于厚枝，限制了其更广泛的应用。本文探讨单台低成本立体相机是否能为直径仅10毫米的薄树枝提供足够精确的枝干检测与三维定位，从而支持自主修剪，无需额外深度传感器。该管道包含两个阶段：枝干分割与深度估计。分割阶段对比了 Mask R-CNN 变体、YOLOv8 和 YOLOv9 系列在使用 ZED Mini 相机拍摄的 71 组立体图像对上的表现；选取 YOLOv8 和 YOLOv9 作为当时数据收集时代表性的实时分割模型，并设计框架以兼容更新的 YOLO 版本。深度估计阶段评估了传统方法（SGBM 加 WLS 滤波）和深度学习方法（PSMNet、ACVNet、GWCNet、MobileStereoNet、RAFT-Stereo、NeRF-Supervised Deep Stereo），包括跨数据集微调实验揭示城市驾驶基准与自然林业场景之间的领域差距。本文的主要创新在于将立体分割与基于质心的三角测量算法结合，并采用 Median-Absolute-Deviation 方法进行离群值剔除，将分割掩码与视差图转换为单一稳健的枝干到相机距离，解决了稀疏纹理、细小结构和噪声视差值等森林场景常见挑战。1-2米距离的定性评估表明，基于学习的立体方法产生更连贯的深度估计...
引用
@article{arxiv.2605.08213,
title = {Low-Cost Stereo Vision for Robust 3D Positioning of Thin Radiata Pine Branches in Autonomous Drone Pruning},
author = {Yida Lin and Bing Xue and Mengjie Zhang and Sam Schofield and Richard Green},
journal= {arXiv preprint arXiv:2605.08213},
year = {2026}
}