面向任务相关植物部位高效搜索与检测的语义感知下一最佳视角规划
机器人学
2024-12-19 v3 计算机视觉与模式识别
摘要
搜索并检测植物的任务相关部位对于利用机器人实现番茄植株的自动化采收与打叶十分重要。由于番茄植株存在高度遮挡，这具有挑战性。主动视觉是一种有前景的方法，其中机器人策略性地规划其相机视角以克服遮挡并提升感知精度。然而，当前的主动视觉算法无法区分相关与无关植物部位，并将时间花费在感知无关植物部位上。本工作提出了一种语义感知主动视觉策略，该策略利用语义信息识别相关植物部位并在视角规划中优先处理它们。所提策略在搜索与检测相关植物部位的任务上通过仿真与真实世界实验进行了评估。在仿真实验中，所提语义感知策略利用九个视角可搜索并检测81.8%的相关植物部位。它显著快于未使用语义信息的定义式、随机和体积式主动视觉策略，并检测到更多植物部位。所提策略对植株与植物部位位置的不确定性、植株复杂度以及不同视角采样策略也具有鲁棒性。在真实世界实验中，在具有自然变化与遮挡、自然光照、传感器噪声以及相机位姿不确定性的复杂温室条件下，语义感知策略利用七个视角可搜索并检测82.7%的相关植物部位。本工作的结果清晰表明了使用语义感知主动视觉进行植物部位针对性感知的优势及其在真实世界中的适用性。它可显著提升番茄作物生产中的自动化采收与打叶效率。
引用
@article{arxiv.2306.09801,
title = {Semantics-Aware Next-best-view Planning for Efficient Search and Detection of Task-relevant Plant Parts},
author = {Akshay K. Burusa and Joost Scholten and David Rapado Rincon and Xin Wang and Eldert J. van Henten and Gert Kootstra},
journal= {arXiv preprint arXiv:2306.09801},
year = {2024}
}