稀疏 3D 感知在玫瑰采摘机器人中的应用：连接仿真与现实的两阶段方法
机器人学
2025-08-05 v1 人工智能
计算机视觉与模式识别
摘要
随着人口增长，草本草 plants 如 Damask roses 的全球需求激增，但以人工方式进行采摘仍是可扩展性的瓶颈。为此，我们提出一种专为花朵采摘机器人设计的新型 3D 感知管线，聚焦于稀疏 3D 玫瑰中心定位。我们的两阶段算法首先在立体图像上进行基于点的 2D 检测，然后使用轻量级深度神经网络进行深度估计。为克服现实世界标注数据稀缺的挑战，我们引入一种通过 Blender 生成的逼真度高的合成数据集，模拟动态玫瑰农场环境，提供精确的 3D 标注。该方法最小化了人工标注成本，同时实现稳健的模型训练。我们评估了两种深度估计范式：一种是传统的三角测量方法，另一种是我们提出的深度学习框架。结果表明，我们的方法优于传统方法，在 2D 检测中分别达到合成数据为 95.6%（F1 分数），真实数据为 74.4%，在 2 米范围内深度估计误差为 3%。该管线针对计算效率进行了优化，确保与资源受限的机器人系统兼容。通过连接合成与现实世界数据之间的领域差距，该工作推动了针对特色作物的农业自动化，为精密采摘提供了可扩展解决方案。
引用
@article{arxiv.2508.00900,
title = {Sparse 3D Perception for Rose Harvesting Robots: A Two-Stage Approach Bridging Simulation and Real-World Applications},
author = {Taha Samavati and Mohsen Soryani and Sina Mansouri},
journal= {arXiv preprint arXiv:2508.00900},
year = {2025}
}