論文の概要: 3D Hierarchical Panoptic Segmentation in Real Orchard Environments Across Different Sensors
- arxiv url: http://arxiv.org/abs/2503.13188v1
- Date: Mon, 17 Mar 2025 13:59:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-18 12:29:00.919845
- Title: 3D Hierarchical Panoptic Segmentation in Real Orchard Environments Across Different Sensors
- Title（参考訳）: 異なるセンサ間の実オーチャード環境における3次元階層型パノプティックセグメンテーション
- Authors: Matteo Sodano, Federico Magistri, Elias Marks, Fares Hosn, Aibek Zurbayev, Rodrigo Marcuzzi, Meher V. R. Malladi, Jens Behley, Cyrill Stachniss,
- Abstract要約: 本研究では, 異なるセンサから得られた3次元データに基づいて, リンゴ果樹の階層的パノプティックセグメンテーションの問題に対処する新しいアプローチを提案する。
本手法では, セマンティックセグメンテーション, 幹と果実のインスタンスセグメンテーション, 植物のインスタンスセグメンテーションを同時に行うことができる。
私たちのデータセットは、地上レーザースキャナーから、さまざまなロボットプラットフォームに搭載されたRGB-Dカメラまで、さまざまなセンサーを備えた本物のリンゴ果樹園のボンで記録されています。
- 参考スコア（独自算出の注目度）: 26.751567867124592
- License:
- Abstract: Crop yield estimation is a relevant problem in agriculture, because an accurate crop yield estimate can support farmers' decisions on harvesting or precision intervention. Robots can help to automate this process. To do so, they need to be able to perceive the surrounding environment to identify target objects. In this paper, we introduce a novel approach to address the problem of hierarchical panoptic segmentation of apple orchards on 3D data from different sensors. Our approach is able to simultaneously provide semantic segmentation, instance segmentation of trunks and fruits, and instance segmentation of plants (a single trunk with its fruits). This allows us to identify relevant information such as individual plants, fruits, and trunks, and capture the relationship among them, such as precisely estimate the number of fruits associated to each tree in an orchard. Additionally, to efficiently evaluate our approach for hierarchical panoptic segmentation, we provide a dataset designed specifically for this task. Our dataset is recorded in Bonn in a real apple orchard with a variety of sensors, spanning from a terrestrial laser scanner to a RGB-D camera mounted on different robotic platforms. The experiments show that our approach surpasses state-of-the-art approaches in 3D panoptic segmentation in the agricultural domain, while also providing full hierarchical panoptic segmentation. Our dataset has been made publicly available at https://www.ipb.uni-bonn.de/data/hops/. We will provide the open-source implementation of our approach and public competiton for hierarchical panoptic segmentation on the hidden test sets upon paper acceptance.
- Abstract（参考訳）: 作物収量推定は農業における問題であり、正確な収穫量推定は農夫の収穫や精密な介入の決定を支援することができる。
ロボットはこのプロセスを自動化するのに役立つ。
そのためには、周囲の環境を認識して対象物を特定する必要がある。
本稿では,異なるセンサから得られる3次元データに基づいて,リンゴ果樹の階層的パノプティックセグメンテーションの問題に対処する新しいアプローチを提案する。
我々のアプローチは、意味的セグメンテーション、幹と果実の例セグメンテーション、植物の例セグメンテーション(果実のある単一のトランク)を同時に提供できる。
これにより、個々の植物、果実、幹などの関連情報を識別し、果樹園内の各木に関連付けられた果実の数を正確に推定するなど、それらの関係を捉えることができる。
さらに,階層的汎視的セグメンテーションのアプローチを効果的に評価するために,この課題に特化して設計されたデータセットを提供する。
私たちのデータセットは、地上レーザースキャナーから、さまざまなロボットプラットフォームに搭載されたRGB-Dカメラまで、さまざまなセンサーを備えた本物のリンゴ果樹園のボンで記録されています。
実験により,本手法は農業領域における3次元パノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノ
私たちのデータセットはhttps://www.ipb.uni-bonn.de/data/hops/で公開されています。
我々は,本手法のオープンソース実装と,論文受理時に隠蔽テストセット上での階層的パノプティックセグメンテーションのためのパブリックコンペティトンを提供する。
関連論文リスト
- SegVG: Transferring Object Bounding Box to Segmentation for Visual Grounding [56.079013202051094]
ボックスレベルのアノテーションを信号として転送する新しい手法であるSegVGを提案する。
このアプローチでは,ボックスレベルのレグレッションとピクセルレベルのセグメンテーションの両方の信号としてアノテーションを反復的に利用することができる。
論文 参考訳（メタデータ） (2024-07-03T15:30:45Z) - View-Consistent Hierarchical 3D Segmentation Using Ultrametric Feature Fields [52.08335264414515]
我々は3次元シーンを表すニューラル・レージアンス・フィールド(NeRF)内の新しい特徴場を学習する。
本手法は、ビュー一貫性の多粒性2Dセグメンテーションを入力とし、3D一貫性のセグメンテーションの階層構造を出力として生成する。
提案手法と,多視点画像と多粒性セグメンテーションを用いた合成データセットのベースラインの評価を行い,精度と視点整合性を向上したことを示す。
論文 参考訳（メタデータ） (2024-05-30T04:14:58Z) - FOR-instance: a UAV laser scanning benchmark dataset for semantic and
instance segmentation of individual trees [0.06597195879147556]
FOR-instanceデータセットは、5つのキュレートされ、ML対応のUAVベースのレーザースキャンデータコレクションから構成される。
データセットは開発サブセットとテストサブセットに分割され、メソッドの進歩と評価が可能になる。
乳房高さデータへの直径の挿入は、古典的な木の変数の測定にその有用性を広げる。
論文 参考訳（メタデータ） (2023-09-03T22:08:29Z) - 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) - Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation
for autonomous vehicles [63.20765930558542]
3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。
そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。
ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
論文 参考訳（メタデータ） (2023-02-16T13:41:19Z) - Hierarchical Approach for Joint Semantic, Plant Instance, and Leaf
Instance Segmentation in the Agricultural Domain [29.647846446064992]
植物表現型は、植物の成長段階、発達、その他の関連する量を記述するため、農業において中心的な課題である。
本稿では,RGBデータから作物の連接意味,植物インスタンス,葉のインスタンスセグメンテーションの問題に対処する。
本稿では,3つのタスクを同時に処理する単一畳み込みニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2022-10-14T15:01:08Z) - Semantic Segmentation of Fruits on Multi-sensor Fused Data in Natural
Orchards [5.733573598657243]
本稿では,LiDAR-Camera視覚センサからの融合データに対して,高精度なセマンティックセマンティックセマンティックセマンティクスを実現するための深層学習に基づくセマンティクス手法を提案する。
実験では,リンゴ果樹園から取得した高度に非構造的でノイズの多い点群を扱う際のネットワーク構成を網羅的に解析した。
実験の結果,提案手法は実際の果樹園環境において正確なセグメンテーションを行うことができることがわかった。
論文 参考訳（メタデータ） (2022-08-04T06:17:07Z) - 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) - Object-Guided Instance Segmentation With Auxiliary Feature Refinement
for Biological Images [58.914034295184685]
サンプルセグメンテーションは、神経細胞相互作用の研究、植物の表現型化、細胞が薬物治療にどう反応するかを定量的に測定するなど、多くの生物学的応用において非常に重要である。
Boxベースのインスタンスセグメンテーションメソッドは、バウンディングボックスを介してオブジェクトをキャプチャし、各バウンディングボックス領域内で個々のセグメンテーションを実行する。
提案手法は,まずオブジェクトの中心点を検出し,そこから境界ボックスパラメータが予測される。
セグメンテーションブランチは、オブジェクト特徴をガイダンスとして再利用し、同じバウンディングボックス領域内の隣のオブジェクトからターゲットオブジェクトを分離する。
論文 参考訳（メタデータ） (2021-06-14T04:35:36Z) - SegmentMeIfYouCan: A Benchmark for Anomaly Segmentation [111.61261419566908]
ディープニューラルネットワーク(DNN)は通常、閉集合のセマンティッククラスで訓練される。
未発見のオブジェクトを扱うには不備だ。
このような物体の検出と局在化は、自動運転の認識などの安全クリティカルなアプリケーションに不可欠です。
論文 参考訳（メタデータ） (2021-04-30T07:58:19Z) - Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical
Understanding of Outdoor Scene [76.4183572058063]
複数の屋外シーン理解タスクに対して,リッチな注釈付き3Dポイントクラウドデータセットを提案する。
データセットは階層型ラベルとインスタンスベースのラベルの両方でポイントワイズアノテートされている。
本稿では,3次元点雲分割のための階層的学習問題を定式化し,様々な階層間の整合性を評価することを提案する。
論文 参考訳（メタデータ） (2020-08-11T19:10:32Z)
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。