論文の概要: Key Point-based Orientation Estimation of Strawberries for Robotic Fruit Picking

• arxiv url: http://arxiv.org/abs/2310.11333v1
• Date: Tue, 17 Oct 2023 15:12:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-18 15:19:00.869659
• Title: Key Point-based Orientation Estimation of Strawberries for Robotic Fruit Picking
• Title（参考訳）: ロボット果実ピッキングのためのキーポイントに基づくストローベリーの配向推定
• Authors: Justin Le Lou\"edec and Grzegorz Cielniak
• Abstract要約: 本稿では,2次元画像から直接3次元方向を予測できるキーポイント型果物配向推定手法を提案する。 提案手法は, 平均誤差を8円程度に抑え, 従来よりも$sim30%の予測精度を向上する。
• 参考スコア（独自算出の注目度）: 8.657107511095242
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Selective robotic harvesting is a promising technological solution to address labour shortages which are affecting modern agriculture in many parts of the world. For an accurate and efficient picking process, a robotic harvester requires the precise location and orientation of the fruit to effectively plan the trajectory of the end effector. The current methods for estimating fruit orientation employ either complete 3D information which typically requires registration from multiple views or rely on fully-supervised learning techniques, which require difficult-to-obtain manual annotation of the reference orientation. In this paper, we introduce a novel key-point-based fruit orientation estimation method allowing for the prediction of 3D orientation from 2D images directly. The proposed technique can work without full 3D orientation annotations but can also exploit such information for improved accuracy. We evaluate our work on two separate datasets of strawberry images obtained from real-world data collection scenarios. Our proposed method achieves state-of-the-art performance with an average error as low as $8^{\circ}$, improving predictions by $\sim30\%$ compared to previous work presented in~\cite{wagner2021efficient}. Furthermore, our method is suited for real-time robotic applications with fast inference times of $\sim30$ms.
• Abstract（参考訳）: 選択的ロボット収穫は、世界の多くの地域で現代の農業に影響を与える労働不足に対処するための有望な技術ソリューションである。 ロボット収穫機は、正確で効率的な摘み取り工程のために、果実の正確な位置と方向を要求され、エンドエフェクタの軌道を効果的に計画する。 フルーツオリエンテーションを推定する現在の手法は、一般的に複数のビューからの登録を必要とする完全3D情報か、あるいは参照オリエンテーションのマニュアルアノテーションが難しい完全教師付き学習技術に依存している。 本稿では,2次元画像から直接3次元方向の予測が可能な,キーポイントに基づく果実方位推定手法を提案する。 提案手法は,完全な3次元方向アノテーションを使わずに機能するが,その情報を利用して精度を向上させることもできる。 実世界のデータ収集シナリオから得られたイチゴ画像の2つのデータセットについて検討した。 提案手法は, 平均誤差が8^{\circ}$であり, 予測値が-\cite{wagner2021 efficient} で提示された従来の手法と比較して$\sim30\%$向上する。 さらに,本手法は,高速推論時間$\sim30$msのリアルタイムロボットアプリケーションに適している。

関連論文リスト

• Good Grasps Only: A data engine for self-supervised fine-tuning of pose estimation using grasp poses for verification [0.0]
  ビンピッキングのためのポーズ推定の自己教師型微調整法を提案する。 本手法により,手動ラベリングを使わずにトレーニングデータを自動的に取得できる。 私たちのパイプラインは、プロセス実行中にシステムを微調整し、学習フェーズの必要性を排除します。
  論文  参考訳（メタデータ） (2024-09-17T19:26:21Z)
• Learning Precise Affordances from Egocentric Videos for Robotic Manipulation [18.438782733579064]
  Affordanceは、オブジェクトが提供する潜在的なアクションとして定義され、ロボット操作タスクに不可欠である。 本稿では,データ収集,効果的なモデルトレーニング,ロボットの展開を含む,合理化された空き時間学習システムを提案する。
  論文  参考訳（メタデータ） (2024-08-19T16:11:47Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
  本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。 提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。 提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
  論文  参考訳（メタデータ） (2023-07-20T15:21:28Z)
• Panoptic Mapping with Fruit Completion and Pose Estimation for Horticultural Robots [33.21287030243106]
  植物や果実を高解像度でモニタリングすることは、農業の未来において重要な役割を担っている。 正確な3D情報は、自律収穫から正確な収量推定まで、農業における多様なロボット応用への道を開くことができる。 移動ロボットによって構築された3次元多次元マップにおいて,果実の完全な3次元形状とそのポーズを共同で推定する問題に対処する。
  論文  参考訳（メタデータ） (2023-03-15T20:41:24Z)
• Deep Projective Rotation Estimation through Relative Supervision [31.05330535795121]
  ディープラーニングは、画像ベースの向き推定器を開発する方法を提供する。 これらの推定器は、しばしば大きなラベル付きデータセットのトレーニングを必要とする。 自己教師付き配向推定のための新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-11-21T04:58:07Z)
• Incremental 3D Scene Completion for Safe and Efficient Exploration Mapping and Planning [60.599223456298915]
  本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。 本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。 最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
  論文  参考訳（メタデータ） (2022-08-17T14:19:33Z)
• Facilitated machine learning for image-based fruit quality assessment in developing countries [68.8204255655161]
  自動画像分類は食品科学における教師あり機械学習の一般的な課題である。 事前学習型視覚変換器(ViT)に基づく代替手法を提案する。 標準的なデバイス上で限られたリソースで簡単に実装できる。
  論文  参考訳（メタデータ） (2022-07-10T19:52:20Z)
• Sim-to-Real 6D Object Pose Estimation via Iterative Self-training for Robotic Bin-picking [98.5984733963713]
  コスト効率の良いロボットグルーピングを容易にするために,シミュレート・トゥ・リアルな6次元オブジェクトのポーズ推定のための反復的自己学習フレームワークを提案する。 我々は、豊富な仮想データを合成するためのフォトリアリスティックシミュレータを構築し、これを初期ポーズ推定ネットワークのトレーニングに利用する。 このネットワークは教師モデルの役割を担い、未ラベルの実データに対するポーズ予測を生成する。
  論文  参考訳（メタデータ） (2022-04-14T15:54:01Z)
• Geometry-Aware Fruit Grasping Estimation for Robotic Harvesting in Orchards [6.963582954232132]
  幾何認識ネットワークであるA3Nは、エンドツーエンドのインスタンスセグメンテーションと把握推定を行うために提案されている。 我々は,フィールド環境下での果実の認識と検索をロボットが正確に行うことができるグローバル・ローカル・スキャン・ストラテジーを実装した。 全体として、ロボットシステムは、収穫実験において70%から85%の範囲で収穫の成功率を達成する。
  論文  参考訳（メタデータ） (2021-12-08T16:17:26Z)
• AutoSimulate: (Quickly) Learning Synthetic Data Generation [70.82315853981838]
  目的の新たな微分可能近似に基づく最適な合成データ生成法を提案する。 提案手法は,学習データ生成の高速化(最大50Times$)と,実世界のテストデータセットの精度向上(+8.7%$)を実現している。
  論文  参考訳（メタデータ） (2020-08-16T11:36:11Z)

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。