A Novel Perception and Semantic Mapping Method for Robot Autonomy in Orchards

要約

農業用ロボットは、困難な動的かつ半構造化された環境をナビゲートする必要があります。
最近、LiDAR ベースの SLAM を使用した環境モデリングが、高精度のジオメトリを提供する可能性を示しています。
しかし、この混沌とし​​た環境情報を農業分野で効果的なロボット自動化を実現するためにどのように利用できるかは、まだ解明されていません。
この研究では、果樹園でロボットの自律性を実現するための新しいセマンティック マッピングとナビゲーション フレームワークを提案します。
これは、セマンティック処理モジュールとナビゲーション モジュールという 2 つの主要コンポーネントで構成されます。
まず、点群からのオブジェクト インスタンス情報を正確に処理できる新しい 3D 検出ネットワーク アーキテクチャ、3D-ODN を紹介します。
次に、意味情報と地形分析を組み込んで可視マップを構築するためのフレームワークを開発します。
これら 2 つの重要なコンポーネントを組み合わせることで、私たちのフレームワークは、現場での表現型解析と日常モニタリングのためのロボット システム、リンゴ園での選択的収穫システムなど、多くの主要な園芸生産シナリオで評価されます。
実験結果は、私たちの方法が環境を理解する際に高い精度を保証し、農業環境において信頼できるロボットの自律性を可能にすることを示しています。

要約(オリジナル)

Agricultural robots must navigate challenging dynamic and semi-structured environments. Recently, environmental modeling using LiDAR-based SLAM has shown promise in providing highly accurate geometry. However, how this chaotic environmental information can be used to achieve effective robot automation in the agricultural sector remains unexplored. In this study, we propose a novel semantic mapping and navigation framework for achieving robotic autonomy in orchards. It consists of two main components: a semantic processing module and a navigation module. First, we present a novel 3D detection network architecture, 3D-ODN, which can accurately process object instance information from point clouds. Second, we develop a framework to construct the visibility map by incorporating semantic information and terrain analysis. By combining these two critical components, our framework is evaluated in a number of key horticultural production scenarios, including a robotic system for in-situ phenotyping and daily monitoring, and a selective harvesting system in apple orchards. The experimental results show that our method can ensure high accuracy in understanding the environment and enable reliable robot autonomy in agricultural environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google