Graph-based View Motion Planning for Fruit Detection

要約

農作物のモニタリングは、農業の生産性と効率性を最大化するために極めて重要です。しかし、ピーマンのような大きく複雑な構造を持つ作物のモニタリングは、特に果実が頻繁に隠れるため、大きな課題を抱えています。従来の次善のビュープランニングは、農作物のカバーが非構造的で非効率的なものになる可能性があります。そこで、我々は、ロボットの運動制約を考慮しながら、実行可能なビューポーズとその近傍ポーズ間の軌道のグラフネットワークを構築する、新しいビューモーションプランナーを提案する。このプランナーは、最も高い累積情報量を持つビューシークエンスを探索することで、オクルージョンを最小限に抑えながら効率的にペッパー植物を監視することを可能にする。生成されるビューポーズは、すでに検出された果実を十分にカバーすることと、新しい果実を発見することの両方を目的としている。グラフとそれに対応する最適なビューポーズシークエンスは、限られた地平線の中で計算され、システムが新しい情報を収集するにつれて、一定の時間間隔で適応的に更新される。我々は、RGB-Dカメラを搭載し、トロリーに取り付けられたロボットアームを用いたシミュレーションと実世界での実験により、本アプローチの有効性を実証する。実験結果が示すように、我々のプランナーは、作物を体系的にカバーするビューポーズシーケンスを生成し、最先端のシングルネクストベストビュープランナーと比較して、限られた時間が与えられたときに、果物のカバー率を高めることにつながる。

要約(オリジナル)

Crop monitoring is crucial for maximizing agricultural productivity and efficiency. However, monitoring large and complex structures such as sweet pepper plants presents significant challenges, especially due to frequent occlusions of the fruits. Traditional next-best view planning can lead to unstructured and inefficient coverage of the crops. To address this, we propose a novel view motion planner that builds a graph network of viable view poses and trajectories between nearby poses, thereby considering robot motion constraints. The planner searches the graphs for view sequences with the highest accumulated information gain, allowing for efficient pepper plant monitoring while minimizing occlusions. The generated view poses aim at both sufficiently covering already detected and discovering new fruits. The graph and the corresponding best view pose sequence are computed with a limited horizon and are adaptively updated in fixed time intervals as the system gathers new information. We demonstrate the effectiveness of our approach through simulated and real-world experiments using a robotic arm equipped with an RGB-D camera and mounted on a trolley. As the experimental results show, our planner produces view pose sequences to systematically cover the crops and leads to increased fruit coverage when given a limited time in comparison to a state-of-the-art single next-best view planner.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL