基于光流的复杂果园环境枝条分割
计算机视觉与模式识别
2022-03-01 v1
摘要
机器视觉是使机器人能够在果园环境中执行多种任务的关键子系统。然而，果园是视觉高度复杂的环境，在其中运行的计算机视觉算法必须能够应对多变的光照条件和背景噪声。以往使深度学习算法在这些环境中运行的工作通常需要大量手工标注数据来训练深度神经网络，或物理控制环境感知条件。在本文中，我们仅在仿真中使用模拟 RGB 数据和光流训练一个神经网络系统。该神经网络能够在使用标准相机之外无需额外真实世界训练或任何特殊设置或设备的情况下，在繁忙的果园环境中进行枝条前景分割。我们的结果表明，我们的系统具有极高的准确性，并且与使用手工标注 RGBD 数据的网络相比，在异于训练集的环境中实现了显著更一致和鲁棒的性能。
引用
@article{arxiv.2202.13050,
title = {Optical flow-based branch segmentation for complex orchard environments},
author = {Alexander You and Cindy Grimm and Joseph R. Davidson},
journal= {arXiv preprint arXiv:2202.13050},
year = {2022}
}