Robust Flower Cluster Matching Using The Unscented Transform

要約

時間の経過とともに花を監視することは、農業における精密ロボット受粉に不可欠です。
これを達成するために、固定RGB-Dカメラを使用して、植物の成長の継続的な空間的観察を行うことができます。
ただし、受粉プロセスによって引き起こされる植物の視覚的外観と成長とカメラの角度からの閉塞の変化により、画像登録は深刻な課題になります。
植物は、枝に明確なクラスターを生成する方法で花を咲かせます。
このホワイトペーパーでは、RGB-Dデータから生成された記述子を使用して花のクラスターを一致させ、クラスター内の空間的不確実性を可能にすることを検討する方法を紹介します。
提案されたアプローチは、施設の記述子の不確実性耐性を効率​​的に推定するために、無香料の変換を活用し、時間的変化にもかかわらず堅牢な画像登録プロセスを可能にします。
香りのない変換は、花の位置の不確実性を伝播して記述子ドメインの変動を決定することにより、非線形変換を処理するために使用されます。
モンテカルロシミュレーションを使用して、無香料の変換結果を検証し、フラワークラスターマッチングに対する方法の有効性を確認します。
したがって、動的環境でのロボット受粉の改善を促進できます。

要約(オリジナル)

Monitoring flowers over time is essential for precision robotic pollination in agriculture. To accomplish this, a continuous spatial-temporal observation of plant growth can be done using stationary RGB-D cameras. However, image registration becomes a serious challenge due to changes in the visual appearance of the plant caused by the pollination process and occlusions from growth and camera angles. Plants flower in a manner that produces distinct clusters on branches. This paper presents a method for matching flower clusters using descriptors generated from RGB-D data and considers allowing for spatial uncertainty within the cluster. The proposed approach leverages the Unscented Transform to efficiently estimate plant descriptor uncertainty tolerances, enabling a robust image-registration process despite temporal changes. The Unscented Transform is used to handle the nonlinear transformations by propagating the uncertainty of flower positions to determine the variations in the descriptor domain. A Monte Carlo simulation is used to validate the Unscented Transform results, confirming our method’s effectiveness for flower cluster matching. Therefore, it can facilitate improved robotics pollination in dynamic environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google