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

要約

本論文では、UAVを用いた農地における物体探索のための適応型パスプランナーを紹介する。パスプランナーは、高高度をカバーする飛行経路を使用し、検出ネットワークが不確実な場合には、追加の低高度検査を計画する。パスプランナーは、実世界の画像を含むオフラインシミュレーション環境で評価した。YOLOv8検出ネットワークを訓練し、草原に置かれた人工植物を検出させ、パスプランナーの可能性を示した。様々な検出信頼度尺度の効果を評価し、パスプランニングパラメータを最適化し、ローカライゼーションエラーやフィールド内の異なるオブジェクト数の影響を調査した。YOLOv8の検出確信度は、真陽性検出と偽陽性検出を区別するのに最も効果的であったため、適応プランナーで使用した。対象物が一様に分布している場合、対象物の分布が一様でない場合と比較して、より多くの低高度検査が必要となり、その結果、経路長が長くなる。適応プランナーはローカライゼーションの不確実性に対してロバストであることが証明された。対象物の数を増やすと、特に対象物が一様に分布している場合に飛行経路長が長くなった。物体が一様に分布していない場合には、物体の数が多くても、適応パスプランナーは低高度カバレッジパスよりも短いパスをもたらした。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高速にフィールド内の非一様に分布した物体を見つけることができ、互換性のある検出精度をもたらした。パスプランナーはhttps://github.com/wur-abe/uav_adaptive_planner。

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 high number of objects. Overall, the presented adaptive path planner allowed to find 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, DeepL