論文の概要: SeeTree -- A modular, open-source system for tree detection and orchard localization

• arxiv url: http://arxiv.org/abs/2504.10764v1
• Date: Mon, 14 Apr 2025 23:39:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-16 22:06:51.161468
• Title: SeeTree -- A modular, open-source system for tree detection and orchard localization
• Title（参考訳）: SeeTree -- 木の検出と果樹園のローカライゼーションのためのモジュール化されたオープンソースシステム
• Authors: Jostan Brown, Cindy Grimm, Joseph R. Davidson,
• Abstract要約: SeeTreeは,木幹検出と果樹園のローカライゼーションのためのオープンソースの組込みシステムである。 商業用果樹園でのフィールド実験の間、システムは800回の試験で99%の時間で正しい位置に収束した。 採用と将来の研究開発を支援するため、私たちのデータセット、設計ファイル、ソースコードをコミュニティに無償で提供します。
• 参考スコア（独自算出の注目度）: 4.002235462946978
• License:
• Abstract: Accurate localization is an important functional requirement for precision orchard management. However, there are few off-the-shelf commercial solutions available to growers. In this paper, we present SeeTree, a modular, open source embedded system for tree trunk detection and orchard localization that is deployable on any vehicle. Building on our prior work on vision-based in-row localization using particle filters, SeeTree includes several new capabilities. First, it provides capacity for full orchard localization including out-of-row headland turning. Second, it includes the flexibility to integrate either visual, GNSS, or wheel odometry in the motion model. During field experiments in a commercial orchard, the system converged to the correct location 99% of the time over 800 trials, even when starting with large uncertainty in the initial particle locations. When turning out of row, the system correctly tracked 99% of the turns (860 trials representing 43 unique row changes). To help support adoption and future research and development, we make our dataset, design files, and source code freely available to the community.
• Abstract（参考訳）: 正確な局在化は、精密果樹園管理の重要な機能要件である。 しかし、農家には市販の商用ソリューションがほとんどない。 本稿では,木幹検出と果樹園のローカライゼーションのためのモジュール型オープンソースの組込みシステムであるSeeeTreeについて述べる。 SeeTreeは、パーティクルフィルタを使ったビジョンベースのインローローカライゼーションに関する以前の研究に基づいて、いくつかの新機能を含んでいる。 まず、オフ・オブ・ローランド・ターンを含むフルオーチャード・ローカライゼーションの能力を提供する。 第二に、モーションモデルに視覚的、GNSS、またはホイール・オドメトリーを統合する柔軟性がある。 商業用果樹園での野外実験では、最初の粒子位置に大きな不確実性から始めても、800回の試験で99%の時間で正しい位置に収束した。 行を切れたとき、システムは99%のターンを正確に追跡した(43行の行変更を表す860のトライアル)。 採用と将来の研究開発を支援するため、私たちのデータセット、設計ファイル、ソースコードをコミュニティに無償で提供します。

関連論文リスト

• ReTreever: Tree-based Coarse-to-Fine Representations for Retrieval [64.44265315244579]
  そこで本研究では,様々なレベルで参照文書を整理し,表現するためのツリーベース手法を提案する。 我々の手法はReTreeverと呼ばれ、クエリと参照ドキュメントが同様のツリーブランチに割り当てられるように、バイナリツリーの内部ノード毎のルーティング関数を共同で学習する。 我々の評価では、ReTreeverは一般的に完全な表現精度を保っている。
  論文  参考訳（メタデータ） (2025-02-11T21:35:13Z)
• DBA-Fusion: Tightly Integrating Deep Dense Visual Bundle Adjustment with Multiple Sensors for Large-Scale Localization and Mapping [3.5047603107971397]
  トレーニング可能な高密度バンドル調整(DBA)を因子グラフを通じて多センサ情報と密に統合する。 視覚-慣性統合のためのパイプラインが最初に開発され、メカニカルスケールのローカライゼーションとマッピングの最小限の能力を提供する。 その結果,大規模環境におけるリアルタイム高密度マッピングを実現する手法として,より優れたローカライゼーション性能が得られた。
  論文  参考訳（メタデータ） (2024-03-20T16:20:54Z)
• AdaTreeFormer: Few Shot Domain Adaptation for Tree Counting from a Single High-Resolution Image [11.649568595318307]
  本稿では,十分なラベル付き木を用いてソースドメインから学習するフレームワークを提案する。 限られた数のラベル付き木しか持たないターゲットドメインに適合する。 実験の結果、AdaTreeFormerは最先端の技術をはるかに上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-02-05T12:34:03Z)
• ViTree: Single-path Neural Tree for Step-wise Interpretable Fine-grained Visual Categorization [56.37520969273242]
  細かな視覚分類のための新しいアプローチであるViTreeを紹介する。 ツリーパスをトラバースすることで、ViTreeは変換処理された機能からパッチを効果的に選択し、情報のあるローカルリージョンをハイライトする。 このパッチとパスの選択性は、ViTreeのモデルの解釈可能性を高め、モデルの内部動作に関するより良い洞察を可能にする。
  論文  参考訳（メタデータ） (2024-01-30T14:32:25Z)
• Effective and Efficient Federated Tree Learning on Hybrid Data [80.31870543351918]
  本稿では,ハイブリッドデータ上でのフェデレーションツリー学習を可能にする,新しいフェデレーション学習手法であるHybridTreeを提案する。 木に一貫した分割ルールが存在することを観察し、木の下層にパーティの知識を組み込むことができることを示す。 実験により,HybridTreeは計算および通信のオーバーヘッドが低い集中的な設定に匹敵する精度を達成できることを示した。
  論文  参考訳（メタデータ） (2023-10-18T10:28:29Z)
• Scalable Multi-agent Covering Option Discovery based on Kronecker Graphs [49.71319907864573]
  本稿では,分解が容易なマルチエージェントスキル発見法を提案する。 我々のキーとなる考え方は、合同状態空間をクロネッカーグラフとして近似することであり、そのフィドラーベクトルを直接見積もることができる。 ラプラシアンスペクトルを直接計算することは、無限大の状態空間を持つタスクには難易度が高いことを考慮し、さらに本手法の深層学習拡張を提案する。
  論文  参考訳（メタデータ） (2023-07-21T14:53:12Z)
• Tree Detection and Diameter Estimation Based on Deep Learning [0.0]
  樹木認識は、自律的な林業活動に向けた重要なビルディングブロックである。 データセットでトレーニングされたディープニューラルネットワークモデルは、木検出の精度90.4%を達成する。 結果は、自律的な倒木作戦への有望な道を提供する。
  論文  参考訳（メタデータ） (2022-10-31T15:51:32Z)
• Automated Pruning of Polyculture Plants [13.297983318693753]
  ポリカルチャー農業は環境上の利点があるが、モノカルチャー農業よりもかなり多くの耕作を必要とする。 自動プルーニングのための新しいハードウェアとアルゴリズムを提案する。 結果は, 刈り取りせん断による植物多様性を0.94 に自律的に達成できることを示唆している。
  論文  参考訳（メタデータ） (2022-08-22T17:49:22Z)
• Learning Dependencies in Distributed Cloud Applications to Identify and Localize Anomalies [58.88325379746632]
  本稿では、システムコンポーネントをノードとしてモデル化し、その依存関係をエッジとしてモデル化し、異常の識別と局在を改善するニューラルグラフ変換手法であるArvalusとその変種D-Arvalusを紹介します。 一連のメトリックを考えると、私たちの方法は最も可能性の高いシステム状態 - 正常または異常クラス - を予測し、異常が検出されたときにローカライズを行います。 この評価は、一般にArvalusの良好な予測性能を示し、システムコンポーネント依存性に関する情報を組み込んだD-Arvalusの利点を明らかにします。
  論文  参考訳（メタデータ） (2021-03-09T06:34:05Z)
• Rethinking Learnable Tree Filter for Generic Feature Transform [71.77463476808585]
  Learnable Tree Filterはセマンティックセグメンテーションのためのモデル構造保存関係に対する顕著なアプローチを示す。 幾何学的制約を緩和するために,マルコフ確率場として再構成して解析を行い,学習可能な不定項を導入する。 セマンティックセグメンテーションでは、ベルとホイッスルなしでCityscapesベンチマークでトップパフォーマンス(82.1% mIoU)を達成しています。
  論文  参考訳（メタデータ） (2020-12-07T07:16:47Z)

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。