面向植物细粒度三维建模的语义场景理解
机器人学
2023-12-29 v1
摘要
由于全球人口增长以及对粮食和劳动力短缺的预期，农业机器人是一个活跃的研究领域。机器人可以潜在地帮助完成修剪、收获、表型分析和植物建模等任务。然而，农业自动化受到在田间创建高分辨率3D语义地图的困难所阻碍，这些地图对于安全操作和导航至关重要。在本文中，我们致力于解决这个问题，并展示如何使用语义和环境先验来帮助构建针对高粱目标应用的精确3D地图。具体来说，我们1）使用高粱种子作为语义地标构建视觉同步定位与建图（SLAM）系统，该系统平均能够映射78%的高粱行，而ORB-SLAM2为38%；2）使用种子作为语义特征，从机器人手持相机拍摄的图像改进完整高粱穗的3D重建。
引用
@article{arxiv.2312.17110,
title = {Toward Semantic Scene Understanding for Fine-Grained 3D Modeling of Plants},
author = {Mohamad Qadri and Harry Freeman and Eric Schneider and George Kantor},
journal= {arXiv preprint arXiv:2312.17110},
year = {2023}
}
备注
7 pages, 8 figures