論文の概要: Deep Semantic Segmentation at the Edge for Autonomous Navigation in
Vineyard Rows
- arxiv url: http://arxiv.org/abs/2107.00700v1
- Date: Thu, 1 Jul 2021 18:51:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-05 12:46:53.665020
- Title: Deep Semantic Segmentation at the Edge for Autonomous Navigation in
Vineyard Rows
- Title(参考訳): ブドウ園における自律ナビゲーションのための端部深部セマンティックセグメンテーション
- Authors: Diego Aghi, Simone Cerrato, Vittorio Mazzia, Marcello Chiaberge
- Abstract要約: 精密農業は、農業プロセスに安価で効果的な自動化を導入することを目的としている。
提案する制御は,機械認識技術とエッジAI技術の最新技術を活用して,ブドウ畑の列内における高精度で信頼性の高いナビゲーションを実現する。
制御アルゴリズム自体によって生成されたセグメンテーションマップは、作物の状態の植物性評価のためのフィルタとして直接利用することができる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Precision agriculture is a fast-growing field that aims at introducing
affordable and effective automation into agricultural processes. Nowadays,
algorithmic solutions for navigation in vineyards require expensive sensors and
high computational workloads that preclude large-scale applicability of
autonomous robotic platforms in real business case scenarios. From this
perspective, our novel proposed control leverages the latest advancement in
machine perception and edge AI techniques to achieve highly affordable and
reliable navigation inside vineyard rows with low computational and power
consumption. Indeed, using a custom-trained segmentation network and a
low-range RGB-D camera, we are able to take advantage of the semantic
information of the environment to produce smooth trajectories and stable
control in different vineyards scenarios. Moreover, the segmentation maps
generated by the control algorithm itself could be directly exploited as
filters for a vegetative assessment of the crop status. Extensive
experimentations and evaluations against real-world data and simulated
environments demonstrated the effectiveness and intrinsic robustness of our
methodology.
- Abstract(参考訳): 精密農業は、農業プロセスに安価で効果的な自動化を導入することを目的とした、急成長の分野である。
今日では、ブドウ畑でのナビゲーションのためのアルゴリズムソリューションには高価なセンサーと高い計算能力が必要であり、実際のビジネスシナリオにおける自律型ロボットプラットフォームの大規模適用を妨げている。
この観点から,提案する新しい制御は,機械認識とエッジai技術の最新の進歩を活かし,計算量や消費電力の少ないブドウ畑列内の高精度で信頼性の高いナビゲーションを実現する。
実際、カスタムトレーニングされたセグメンテーションネットワークとローレンジのRGB-Dカメラを用いて、環境の意味情報を活用して、スムーズな軌跡と異なるブドウ畑のシナリオでの安定した制御を実現できる。
さらに、制御アルゴリズム自体によって生成されたセグメンテーションマップは、作物の状態の植物性評価のためのフィルタとして直接利用することができる。
実世界のデータとシミュレーション環境に対する大規模な実験と評価を行い,本手法の有効性と本質的な堅牢性を示した。
関連論文リスト
- Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳(メタデータ) (2023-08-14T16:48:57Z) - Enhancing Navigation Benchmarking and Perception Data Generation for
Row-based Crops in Simulation [0.3518016233072556]
本稿では,セマンティックセグメンテーションネットワークを学習するための合成データセットと,ナビゲーションアルゴリズムを高速に評価するための仮想シナリオのコレクションを提案する。
異なるフィールドジオメトリと特徴を探索するための自動パラメトリック手法が開発されている。
シミュレーションフレームワークとデータセットは、異なる作物のディープセグメンテーションネットワークをトレーニングし、その結果のナビゲーションをベンチマークすることで評価されている。
論文 参考訳(メタデータ) (2023-06-27T14:46:09Z) - Position-Agnostic Autonomous Navigation in Vineyards with Deep
Reinforcement Learning [1.2599533416395767]
そこで本稿では, 高精度な局所化データを活用することなく, フレキシブルな学習アプローチでタスク調整アルゴリズムを克服することなく, 自動ブドウ園ナビゲーションの課題に対処する, 最先端の軽量ソリューションを提案する。
我々は、ノイズの多い深度画像と位置認識ロボットの状態情報を速度コマンドに直接マッピングし、ロボットを行の端まで案内し、衝突のない中心軌道への進路を連続的に調整するエンドツーエンドのセンサモレータエージェントを訓練する。
論文 参考訳(メタデータ) (2022-06-28T17:03:37Z) - Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge
TPU [58.720142291102135]
本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。
我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
論文 参考訳(メタデータ) (2022-04-07T08:53:18Z) - Optical flow-based branch segmentation for complex orchard environments [73.11023209243326]
シミュレーションでは、シミュレーションでは、シミュレーションされたRGBデータと光フローのみを用いてニューラルネットワークシステムを訓練する。
このニューラルネットワークは、忙しい果樹園環境において、追加の現実世界のトレーニングや、標準カメラ以外の特別な設定や機器を使用することなく、前景の枝のセグメンテーションを行うことができる。
その結果,本システムは高精度であり,手動ラベル付きRGBDデータを用いたネットワークと比較すると,トレーニングセットと異なる環境において,より一貫性と堅牢性を実現していることがわかった。
論文 参考訳(メタデータ) (2022-02-26T03:38:20Z) - A Deep Learning Driven Algorithmic Pipeline for Autonomous Navigation in
Row-Based Crops [38.4971490647654]
我々は、ローレンジセンサーと季節変動に対応するために特別に設計された、行ベースの自律ナビゲーションのための完全なアルゴリズムパイプラインを提案する。
我々は、データ駆動の堅牢な手法に基づいて、作物の完全な拡張を、フィールドの占有グリッドマップ情報のみでカバーし、自律機械の実行可能なパスを生成する。
論文 参考訳(メタデータ) (2021-12-07T16:46:17Z) - Towards Optimal Strategies for Training Self-Driving Perception Models
in Simulation [98.51313127382937]
合成ドメインのみにおけるラベルの使用に焦点を当てる。
提案手法では,ニューラル不変表現の学習方法と,シミュレータからデータをサンプリングする方法に関する理論的にインスピレーションを得た視点を導入する。
マルチセンサーデータを用いた鳥眼視車両分割作業におけるアプローチについて紹介する。
論文 参考訳(メタデータ) (2021-11-15T18:37:43Z) - Polyline Based Generative Navigable Space Segmentation for Autonomous
Visual Navigation [57.3062528453841]
ロボットが教師なしの方法で移動可能な空間分割を学習できるようにするための表現学習ベースのフレームワークを提案する。
提案するPSV-Netは,単一のラベルを使わずとも,高精度で視覚ナビゲーション可能な空間を学習可能であることを示す。
論文 参考訳(メタデータ) (2021-10-29T19:50:48Z) - Navigational Path-Planning For All-Terrain Autonomous Agricultural Robot [0.0]
本報告は農地の自律ナビゲーションのための新しいアルゴリズムの比較である。
インドの環境に特有な高解像度グリッドマップ表現について検討する。
その結果、自律的なフィールドナビゲーションとロボット経路計画の実現性にアルゴリズムが適用可能であることが証明された。
論文 参考訳(メタデータ) (2021-09-05T07:29:13Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳(メタデータ) (2021-02-12T09:33:00Z) - Local Motion Planner for Autonomous Navigation in Vineyards with a RGB-D
Camera-Based Algorithm and Deep Learning Synergy [1.0312968200748118]
本研究では、ブドウ畑における自律走行のための低コストな局所移動プランナを提案する。
最初のアルゴリズムは、不均一マップとその深さ表現を利用して、ロボットプラットフォームに対する比例制御を生成する。
第2のバックアップアルゴリズムは、学習の学習に基づいており、照明の変動に耐性があり、第1ブロックが瞬間的に故障した場合にマシンを制御できる。
論文 参考訳(メタデータ) (2020-05-26T15:47:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。