面向园艺机器人的具有果实补全与位姿估计的全景建图

以高分辨率监测植物与果实对未来农业至关重要。精确的 3D 信息可为农业中从自主采摘到精确产量估计的多种机器人应用铺平道路。获取此类 3D 信息并非易事,因为农业环境常具重复性与杂乱性,且必须考虑果实与植物的部分可观测性。本文中,我们解决在由移动机器人构建的 3D 多分辨率地图中联合估计果实完整 3D 形状及其位姿的问题。为此,我们提出一种在线多分辨率全景建图系统,其中感兴趣区域以更高分辨率表示。我们利用数据学习一种通用果实形状表示,并在推理时将其与遮挡感知可微渲染流水线结合,以补全部分果实观测并估计地图中每个果实的 7 自由度位姿。本文所呈实验在受控环境及商业温室中评估,表明我们的新算法相较现有方法具有更高的补全与位姿估计精度,补全精度提升 41%、位姿估计精度提升 52%,同时保持平均 0.6s 的低推理时间。代码见:https://github.com/PRBonn/HortiMapping。