論文の概要: Automatic Detection, Positioning and Counting of Grape Bunches Using Robots
- arxiv url: http://arxiv.org/abs/2412.10464v1
- Date: Thu, 12 Dec 2024 15:52:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:59:36.817760
- Title: Automatic Detection, Positioning and Counting of Grape Bunches Using Robots
- Title(参考訳): ロボットによるグレープバンチの自動検出・位置決め・計数
- Authors: Xumin Gao,
- Abstract要約: Yolov3検出ネットワークは、ブドウ束の正確な検出を実現するために使用される。
局所追跡アルゴリズムは、再配置を排除するために追加される。
ブドウの束の数え上げが完了します。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: In order to promote agricultural automatic picking and yield estimation technology, this project designs a set of automatic detection, positioning and counting algorithms for grape bunches, and applies it to agricultural robots. The Yolov3 detection network is used to realize the accurate detection of grape bunches, and the local tracking algorithm is added to eliminate relocation. Then it obtains the accurate 3D spatial position of the central points of grape bunches using the depth distance and the spatial restriction method. Finally, the counting of grape bunches is completed. It is verified using the agricultural robot in the simulated vineyard environment. The project code is released at: https://github.com/XuminGaoGithub/Grape_bunches_count_using_robots.
- Abstract(参考訳): 本研究は, 農業用自動収穫・収量推定技術の推進を目的として, ブドウ群の自動検出・位置決め・カウントアルゴリズムのセットを設計し, 農業用ロボットに適用する。
Yolov3検出ネットワークは、ブドウの群れの正確な検出を実現するために使用され、局所追跡アルゴリズムは、再配置を排除するために追加される。
そして、深さ距離と空間制限法を用いて、ブドウ群集の中心点の正確な3次元空間位置を求める。
最後に、ブドウの束の数え上げが完了する。
人工ブドウ園環境における農業用ロボットを用いて検証を行った。
プロジェクトコードは、https://github.com/XuminGaoGithub/Grape_bunches_count_using_robots.comでリリースされている。
関連論文リスト
- Unsupervised Change Detection for Space Habitats Using 3D Point Clouds [4.642898625014145]
この研究は、将来の宇宙空間における自律的なロボットケアを可能にするために、点雲からシーン変化を検出するアルゴリズムを提案する。
このアルゴリズムは、NASA Ames Granite LabのAstrobeeロボットが収集したテストデータセットを用いて、定量的かつ質的に検証されている。
論文 参考訳(メタデータ) (2023-12-04T23:26:12Z) - Care3D: An Active 3D Object Detection Dataset of Real Robotic-Care
Environments [52.425280825457385]
本稿では,実環境の注釈付きデータセットを紹介する。
捕獲された環境は、ロボット医療研究の分野ですでに使われている領域を表している。
また,医療ロボット上で直接動作するSLAMアルゴリズムを評価するために,一室で真実データを提供する。
論文 参考訳(メタデータ) (2023-10-09T10:35:37Z) - Neural Implicit Dense Semantic SLAM [83.04331351572277]
本稿では,屋内シーンのメモリ効率,高密度な3次元形状,セマンティックセマンティックセグメンテーションをオンラインで学習する新しいRGBD vSLAMアルゴリズムを提案する。
私たちのパイプラインは、従来の3Dビジョンベースのトラッキングとループクローズとニューラルフィールドベースのマッピングを組み合わせたものです。
提案アルゴリズムはシーン認識を大幅に向上させ,様々なロボット制御問題を支援する。
論文 参考訳(メタデータ) (2023-04-27T23:03:52Z) - Vision-based Vineyard Navigation Solution with Automatic Annotation [2.6013566739979463]
本研究では、ブドウ畑などの密作システムにおける農業ロボットのための視覚に基づく自律ナビゲーションフレームワークを提案する。
本稿では,RGB-D画像から直接経路トラバーシビリティ・ヒートマップを推定する新しい学習手法を提案する。
訓練された経路検出モデルを用いて、行追跡と行切替モジュールからなる完全なナビゲーションフレームワークを開発した。
論文 参考訳(メタデータ) (2023-03-25T03:37:17Z) - Construction of Object Boundaries for the Autopilotof a Surface Robot
from Satellite Imagesusing Computer Vision Methods [101.18253437732933]
衛星地図上での水物体を検出する手法を提案する。
輪郭のGPS座標を計算するアルゴリズムを作成する。
提案アルゴリズムは,表面ロボットオートパイロットモジュールに適したフォーマットで結果の保存を可能にする。
論文 参考訳(メタデータ) (2022-12-05T12:07:40Z) - Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。
搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。
ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
論文 参考訳(メタデータ) (2022-06-16T10:45:17Z) - 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) - Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for
Multi-Robot Systems [92.26462290867963]
Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。
我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
論文 参考訳(メタデータ) (2021-06-28T03:56:40Z) - FGR: Frustum-Aware Geometric Reasoning for Weakly Supervised 3D Vehicle
Detection [81.79171905308827]
3Dアノテーションを使わずに点雲中の車両を検出するためのフラストラム対応幾何推論(FGR)を提案する。
本手法は粗い3次元セグメンテーションと3次元バウンディングボックス推定の2段階からなる。
2Dバウンディングボックスとスパースポイントクラウドだけで、3D空間内のオブジェクトを正確に検出できます。
論文 参考訳(メタデータ) (2021-05-17T07:29:55Z) - High precision control and deep learning-based corn stand counting
algorithms for agricultural robot [8.16286714346538]
本論文では、低コストで超小型な3Dプリントおよび自律フィールドロボットのための高精度制御と深層学習に基づくトウモロコシスタンドカウントアルゴリズムを提案する。
TerraSentiaという名前のこのロボットは、植物の形質を自動測定して表現を効率よくする。
論文 参考訳(メタデータ) (2021-03-21T01:13:38Z) - Strawberry Detection Using a Heterogeneous Multi-Processor Platform [1.5171938155576565]
本稿では,精密農業ロボットに適用するための画像処理技術と組み合わせて,You Only Look Once Version 3 (YOLOv3) Convolutional Neural Network (CNN) を提案する。
その結果、プロセッサ側で実行されている同じアルゴリズムと比較して、FPGA(Field-Programmable Gate Array)上で実装された場合、性能が5倍向上することがわかった。
論文 参考訳(メタデータ) (2020-11-07T01:08:21Z)
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。