Adaptive path planning for efficient object search by UAVs in agricultural fields

要約

このペーパーでは、UAVを使用して農業分野でのオブジェクト検索の適応パスプランナーを紹介します。
パスプランナーは、高度のカバレッジフライトパスを使用し、検出ネットワークが不確かな場合、追加の低高度検査を計画しています。
パスプランナーは、実際の画像を含むオフラインシミュレーション環境で評価されました。
Yolov8検出ネットワークを訓練して、草原に配置された人工植物を検出して、パスプランナーの可能性を紹介しました。
さまざまな検出の確実性測定の効果を評価し、パス計画パラメーターを最適化し、局在エラーの効果と、フィールド内の異なる数のオブジェクトを調査しました。
Yolov8検出信頼性は、真と偽陽性の検出を区別するために最適に機能したため、適応プランナーで使用されました。
パスプランナーの最適なパラメーターは、フィールド内のオブジェクトの分布に依存していました。
オブジェクトが均一に分布している場合、オブジェクトの不均一な分布と比較して、より低い高度検査が必要であり、その結果、経路の長さが長くなりました。
適応プランナーは、ローカリゼーションの不確実性に対して堅牢であることが証明されました。
オブジェクトの数を増やすと、特にオブジェクトが均一に分布している場合、飛行経路の長さが増加しました。
オブジェクトが不均一に分布している場合、適応パスプランナーは、多数のオブジェクトであっても、低高度のカバレッジパスよりも短いパスを生成しました。
全体として、提示された適応パスプランナーは、カバレッジパスプランナーよりも速いフィールドで不均一な分散オブジェクトを見つけることを可能にし、互換性のある検出精度をもたらしました。
パスプランナーはhttps://github.com/wur-abe/uav_adaptive_plannerで利用可能になります。

要約(オリジナル)

This paper presents an adaptive path planner for object search in agricultural fields using UAVs. The path planner uses a high-altitude coverage flight path and plans additional low-altitude inspections when the detection network is uncertain. The path planner was evaluated in an offline simulation environment containing real-world images. We trained a YOLOv8 detection network to detect artificial plants placed in grass fields to showcase the potential of our path planner. We evaluated the effect of different detection certainty measures, optimized the path planning parameters, investigated the effects of localization errors, and different numbers of objects in the field. The YOLOv8 detection confidence worked best to differentiate between true and false positive detections and was therefore used in the adaptive planner. The optimal parameters of the path planner depended on the distribution of objects in the field. When the objects were uniformly distributed, more low-altitude inspections were needed compared to a non-uniform distribution of objects, resulting in a longer path length. The adaptive planner proved to be robust against localization uncertainty. When increasing the number of objects, the flight path length increased, especially when the objects were uniformly distributed. When the objects were non-uniformly distributed, the adaptive path planner yielded a shorter path than a low-altitude coverage path, even with a high number of objects. Overall, the presented adaptive path planner allowed finding non-uniformly distributed objects in a field faster than a coverage path planner and resulted in a compatible detection accuracy. The path planner is made available at https://github.com/wur-abe/uav_adaptive_planner.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google