NBV-SC: Next Best View Planning based on Shape Completion for Fruit Mapping and Reconstruction

要約

オクルージョンが頻繁に発生し、時間の経過とともに果物の位置やサイズが変化するため、果物のマッピングと収穫を能動的に認識することは困難な作業です。
最先端の視点計画アプローチでは、計算コストのかかるレイ キャスティング操作を利用して、情報利得を最大化し、シーン内の成果をカバーすることを目的として、適切な視点を見つけます。
この論文では、予測された果物の形状に関する情報を明示的に使用して、果物のまだ観察されていない部分を観察するターゲットの視点を計算する、新しい視点計画アプローチを紹介します。
さらに、視点の非類似性の概念を定式化して、サンプリング空間を削減し、有用な異なる視点をより効率的に選択します。
RGB-D センサーを搭載した UR5e アームを使用したシミュレーション実験は、形状の完成に基づいた反復的な次善のビュー計画法の有効性を定量的に実証します。
最先端の視点プランナーとの比較実験では、計画時間を大幅に短縮しながら、果実の大きさの推定だけでなく再構成も改善されることを実証しました。
最後に、商用温室内で実際のロボット システムを使用してピーマン植物をマッピングするアプローチの実行可能性を示します。

要約(オリジナル)

Active perception for fruit mapping and harvesting is a difficult task since occlusions occur frequently and the location as well as size of fruits change over time. State-of-the-art viewpoint planning approaches utilize computationally expensive ray casting operations to find good viewpoints aiming at maximizing information gain and covering the fruits in the scene. In this paper, we present a novel viewpoint planning approach that explicitly uses information about the predicted fruit shapes to compute targeted viewpoints that observe as yet unobserved parts of the fruits. Furthermore, we formulate the concept of viewpoint dissimilarity to reduce the sampling space for more efficient selection of useful, dissimilar viewpoints. Our simulation experiments with a UR5e arm equipped with an RGB-D sensor provide a quantitative demonstration of the efficacy of our iterative next best view planning method based on shape completion. In comparative experiments with a state-of-the-art viewpoint planner, we demonstrate improvement not only in the estimation of the fruit sizes, but also in their reconstruction, while significantly reducing the planning time. Finally, we show the viability of our approach for mapping sweet peppers plants with a real robotic system in a commercial glasshouse.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google