PAg-NeRF：面向农业机器人快速高效端到端全景3D表示
机器人学
2023-09-12 v1 计算机视觉与模式识别
机器学习
摘要
精确的场景理解是农业中大多数机器人监测与干预任务的关键。本文提出PAg-NeRF，一种基于NeRF的新型系统，可实现3D全景场景理解。我们的表示使用带有噪声机器人里程计位姿的图像序列以及帧间ID不一致的全自动全景预测进行训练。尽管输入含有噪声，我们的系统仍能输出场景几何、照片级真实感渲染以及具有一致实例ID的3D一致全景表示。我们在一个极具挑战性的园艺场景中评估了该新型系统，并由此展示了一个端到端可训练的系统，其可利用噪声机器人位姿，而无需预先计算的精确位姿。相较于基线方法，峰值信噪比从21.34dB提升至23.37dB，而全景质量从56.65%提升至70.08%。此外，我们的方法速度更快，并可调优以将推理时间提升两倍以上，同时内存高效，参数数量约为原来的十二分之一。
引用
@article{arxiv.2309.05339,
title = {PAg-NeRF: Towards fast and efficient end-to-end panoptic 3D representations for agricultural robotics},
author = {Claus Smitt and Michael Halstead and Patrick Zimmer and Thomas Läbe and Esra Guclu and Cyrill Stachniss and Chris McCool},
journal= {arXiv preprint arXiv:2309.05339},
year = {2023}
}