Graph-based View Motion Planning for Fruit Detection

要約

作物の監視は、農業の生産性と効率を最大化するために重要です。
しかし、ピーマン植物のような大きくて複雑な構造を監視することは、特に果実が頻繁に閉塞されるため、重大な課題を抱えています。
従来の次善の視点計画では、作物が構造化されておらず、非効率的な報道になる可能性があります。
これに対処するために、実行可能なビューのポーズと近くのポーズ間の軌道のグラフ ネットワークを構築し、それによってロボットの動作制約を考慮する新しいビュー動作プランナーを提案します。
プランナーは、蓄積された情報利得が最も高いビュー シーケンスをグラフから検索し、オクルージョンを最小限に抑えながら効率的なコショウ植物の監視を可能にします。
生成されたビュー ポーズは、すでに検出されたものを十分にカバーすることと、新しいフルーツを発見することの両方を目的としています。
グラフとそれに対応するベスト ビュー ポーズ シーケンスは、限られた範囲で計算され、システムが新しい情報を収集するときに固定時間間隔で適応的に更新されます。
私たちは、RGB-D カメラを搭載し、トロリーに搭載されたロボット アームを使用したシミュレーション実験と現実世界の実験を通じて、アプローチの有効性を実証します。
実験結果が示すように、当社のプランナーは、作物を体系的にカバーするビュー ポーズ シーケンスを生成し、最先端の単一の次善のビュー プランナーと比較して、限られた時間を与えられた場合に果物のカバー範囲の増加につながります。

要約(オリジナル)

Crop monitoring is crucial for maximizing agricultural productivity and efficiency. However, monitoring large and complex structures such as sweet pepper plants presents significant challenges, especially due to frequent occlusions of the fruits. Traditional next-best view planning can lead to unstructured and inefficient coverage of the crops. To address this, we propose a novel view motion planner that builds a graph network of viable view poses and trajectories between nearby poses, thereby considering robot motion constraints. The planner searches the graphs for view sequences with the highest accumulated information gain, allowing for efficient pepper plant monitoring while minimizing occlusions. The generated view poses aim at both sufficiently covering already detected and discovering new fruits. The graph and the corresponding best view pose sequence are computed with a limited horizon and are adaptively updated in fixed time intervals as the system gathers new information. We demonstrate the effectiveness of our approach through simulated and real-world experiments using a robotic arm equipped with an RGB-D camera and mounted on a trolley. As the experimental results show, our planner produces view pose sequences to systematically cover the crops and leads to increased fruit coverage when given a limited time in comparison to a state-of-the-art single next-best view planner.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google