克服错失恐惧：面向精准农业的主动感知无人机扫描
机器人学
2023-12-18 v1 系统与控制
系统与控制
摘要
本文研究用于精准农业应用的无人机信息路径规划问题。首先，我们观察到“错失恐惧”数据导致在整个农田上采取均匀、保守的扫描策略。因此，采用非均匀扫描方法可以减少在真实价值极小或可忽略的区域的时间消耗，同时确保在信息密集区域具有更高的精度。转向现有的信息路径规划方法，我们发现某些方法计算需求大，而另一些方法则需要在理想世界模拟器上进行训练。为了解决上述问题，我们提出了一种主动感知覆盖路径规划方法，命名为 OverFOMO，该方法根据已识别类别（即农作物和杂草）的相对数量以及此类检测的置信水平来调节无人机速度。为了识别这些实例，部署了稳健的深度学习分割模型。所提出算法的计算需求与农田大小无关，使其在现代无人机上的应用非常简便。该算法通过一个仿真与真实相结合的流水线进行了评估，该流水线结合了真实无人机任务数据和 AirSim 模拟器的高保真动力学，展示了其相对于此类任务现有方法的性能提升。该算法和评估流水线的开源实现可从以下网址获取：\url{https://github.com/emmarapt/OverFOMO}。
引用
@article{arxiv.2312.09730,
title = {Overcome the Fear Of Missing Out: Active Sensing UAV Scanning for Precision Agriculture},
author = {Marios Krestenitis and Emmanuel K. Raptis and Athanasios Ch. Kapoutsis and Konstantinos Ioannidis and Elias B. Kosmatopoulos and Stefanos Vrochidis},
journal= {arXiv preprint arXiv:2312.09730},
year = {2023}
}