Enhancing Navigation Benchmarking and Perception Data Generation for Row-based Crops in Simulation

要約

サービスロボティクスは最近、効率的な自律ナビゲーションソリューションに基づいて多くの自動化プロセスを可能にする精密農業を強化しています。
しかし、データ生成と現場での検証キャンペーンは、大規模な自律プラットフォームの進歩を妨げています。
シミュレートされた環境と深い視覚認識は、低コストの RGB-D カメラを使用した堅牢なナビゲーションの開発を加速する成功したツールとして普及しています。
これに関連して、この研究の貢献は 2 つあります。ディープ セマンティック セグメンテーション ネットワークをトレーニングするための合成データセットと、ナビゲーション アルゴリズムを高速に評価するための仮想シナリオのコレクションです。
さらに、さまざまなフィールドの形状や特徴を調査するために、自動パラメトリック アプローチが開発されています。
シミュレーション フレームワークとデータセットは、さまざまな作物でディープ セグメンテーション ネットワークをトレーニングし、結果のナビゲーションをベンチマークすることによって評価されています。

要約(オリジナル)

Service robotics is recently enhancing precision agriculture enabling many automated processes based on efficient autonomous navigation solutions. However, data generation and infield validation campaigns hinder the progress of large-scale autonomous platforms. Simulated environments and deep visual perception are spreading as successful tools to speed up the development of robust navigation with low-cost RGB-D cameras. In this context, the contribution of this work is twofold: a synthetic dataset to train deep semantic segmentation networks together with a collection of virtual scenarios for a fast evaluation of navigation algorithms. Moreover, an automatic parametric approach is developed to explore different field geometries and features. The simulation framework and the dataset have been evaluated by training a deep segmentation network on different crops and benchmarking the resulting navigation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google