GPS-free Autonomous Navigation in Cluttered Tree Rows with Deep Semantic Segmentation

要約

セグメンテーションベースの自律ナビゲーションは、完璧な GPS 位置特定を必要とせずに作物の畝間をロボット プラットフォームを誘導するための魅力的なアプローチとして最近紹介されています。
それにもかかわらず、現在の技術は、植物と空の間の明確な分離により列の中心を識別できる状況に限定されています。
ただし、高い木の並木や果樹園など、高く密集した植生が GPS 信号の遮断の主な原因です。
この研究では、セグメンテーションベースのロボット誘導を、林冠や枝が空を遮り、GPS や以前のアプローチの利用を妨げるケースに拡張することで、制御アルゴリズムの全体的な堅牢性と適応性を高めます。
セマンティック セグメンテーションに対処するために効率的なディープ ニューラル ネットワーク アーキテクチャが使用され、合成データのみを使用してトレーニングが実行されます。
ソリューションの競争上の利点を示すために、多数のブドウ園や樹木畑でシミュレーションと現実世界の両方で広範なテストが行​​われています。

要約(オリジナル)

Segmentation-based autonomous navigation has recently been presented as an appealing approach to guiding robotic platforms through crop rows without requiring perfect GPS localization. Nevertheless, current techniques are restricted to situations where the distinct separation between the plants and the sky allows for the identification of the row’s center. However, tall, dense vegetation, such as high tree rows and orchards, is the primary cause of GPS signal blockage. In this study, we increase the overall robustness and adaptability of the control algorithm by extending the segmentation-based robotic guiding to those cases where canopies and branches occlude the sky and prevent the utilization of GPS and earlier approaches. An efficient Deep Neural Network architecture has been used to address semantic segmentation, performing the training with synthetic data only. Numerous vineyards and tree fields have undergone extensive testing in both simulation and real-world to show the solution’s competitive benefits.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google