Safe Leaf Manipulation for Accurate Shape and Pose Estimation of Occluded Fruits

要約

果物の監視は作物管理において重要な役割を果たし、労働力不足と組み合わせた世界的な果物消費の増加には、ロボットによる自動監視が必要です。
ただし、植物の葉からの閉塞は、しばしば正確な形状を妨げ、推定をもたらします。
したがって、閉塞する葉を物理的に操作して隠された果物を明らかにするアクティブな果物の形状とポーズ推定方法を提案します。
このペーパーでは、視界を最大化し、葉の損傷を最小限に抑えるためにロボットアクションを計画するフレームワークを紹介します。
激しい閉塞の下での果物の推定を改善し、知覚駆動型変形グラフモデルを利用して、計画中の葉の変形を予測するための新しいシーン一貫性のある形状完了技術を開発しました。
人工および本物のスイートペッパー植物の実験により、私たちの方法により、ロボットが葉を安全に脇に移動させ、果物を正確な形状とポーズ推定のために露出させ、ベースライン方法を上回ることが示されています。
プロジェクトページ：https：//shaoxiongyao.github.io/lmap-ssc/。

要約(オリジナル)

Fruit monitoring plays an important role in crop management, and rising global fruit consumption combined with labor shortages necessitates automated monitoring with robots. However, occlusions from plant foliage often hinder accurate shape and pose estimation. Therefore, we propose an active fruit shape and pose estimation method that physically manipulates occluding leaves to reveal hidden fruits. This paper introduces a framework that plans robot actions to maximize visibility and minimize leaf damage. We developed a novel scene-consistent shape completion technique to improve fruit estimation under heavy occlusion and utilize a perception-driven deformation graph model to predict leaf deformation during planning. Experiments on artificial and real sweet pepper plants demonstrate that our method enables robots to safely move leaves aside, exposing fruits for accurate shape and pose estimation, outperforming baseline methods. Project page: https://shaoxiongyao.github.io/lmap-ssc/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google