論文の概要: TEMPO-VINE: A Multi-Temporal Sensor Fusion Dataset for Localization and Mapping in Vineyards

• arxiv url: http://arxiv.org/abs/2512.04772v2
• Date: Thu, 05 Mar 2026 12:23:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.127456
• Title: TEMPO-VINE: A Multi-Temporal Sensor Fusion Dataset for Localization and Mapping in Vineyards
• Title（参考訳）: TEMPO-VINE - ブドウ園における局在とマッピングのためのマルチテンポラルセンサフュージョンデータセット
• Authors: Mauro Martini, Marco Ambrosio, Judith Vilella-Cantos, Alessandro Navone, Marcello Chiaberge,
• Abstract要約: TEMPO-VINEは、異種LiDAR、AHRS、RTK-GPS、および実際のトレリスとパーゴラのブドウ畑のカメラからデータを収集する、最初のマルチモーダルなパブリックデータセットである。 複数のランとリビジョンを持つシーケンスパスは、センサフュージョン、ローカライゼーション、マッピング、農業分野の場所認識ソリューションの開発を促進する。
• 参考スコア（独自算出の注目度）: 39.38262052015926
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, precision agriculture has been introducing groundbreaking innovations in the field, with a strong focus on automation. However, research studies in robotics and autonomous navigation often rely on controlled simulations or isolated field trials. The absence of a realistic common benchmark represents a significant limitation for the diffusion of robust autonomous systems under real complex agricultural conditions. Vineyards pose significant challenges due to their dynamic nature, and they are increasingly drawing attention from both academic and industrial stakeholders interested in automation. In this context, we introduce the TEMPO-VINE dataset, a large-scale multi-temporal dataset specifically designed for evaluating sensor fusion, simultaneous localization and mapping (SLAM), and place recognition techniques within operational vineyard environments. TEMPO-VINE is the first multi-modal public dataset that brings together data from heterogeneous LiDARs of different price levels, AHRS, RTK-GPS, and cameras in real trellis and pergola vineyards, with multiple rows exceeding 100 m in length. In this work, we address a critical gap in the landscape of agricultural datasets by providing researchers with a comprehensive data collection and ground truth trajectories in different seasons, vegetation growth stages, terrain and weather conditions. The sequence paths with multiple runs and revisits will foster the development of sensor fusion, localization, mapping and place recognition solutions for agricultural fields. The dataset, the processing tools and the benchmarking results are available on the webpage.
• Abstract（参考訳）: 近年、精密農業は分野で画期的なイノベーションをもたらしており、自動化に力を入れている。 しかしながら、ロボット工学と自律航法の研究は、しばしば制御されたシミュレーションや独立したフィールドトライアルに依存している。 現実的な共通ベンチマークの欠如は、現実的な複雑な農業条件下での堅牢な自律システムの拡散に重大な制限があることを示している。 ブドウ園は、その動的な性質のために大きな課題を生じさせており、自動化に関心のある学術的、産業的な利害関係者から注目を集めている。 そこで本研究では,センサ融合,同時局所化とマッピング(SLAM),およびオペレーショナルブドウ園環境における位置認識技術を評価するために設計された,大規模なマルチ時間データセットであるTEMPO-VINEデータセットを紹介する。 TEMPO-VINEは、価格レベルが異なる異種LiDAR、AHRS、RTK-GPS、および実際のトレリスとパーゴラのブドウ畑のカメラからデータを収集する最初のマルチモーダルなパブリックデータセットである。 本研究では,異なる季節,植生成長段階,地形,気象条件の包括的データ収集と地中真実の軌跡を研究者に提供することにより,農業データセットの景観における重要なギャップに対処する。 複数のランとリビジョンを持つシーケンスパスは、センサフュージョン、ローカライゼーション、マッピング、農業分野の場所認識ソリューションの開発を促進する。 データセット、処理ツール、ベンチマーク結果は、Webページで確認できる。

関連論文リスト

• VinePT-Map: Pole-Trunk Semantic Mapping for Resilient Autonomous Robotics in Vineyards [40.46631989657389]
  本稿ではVinePT-Mapについて紹介する。Vineトランクとサポートポールを永続的な構造的ランドマークとして活用するセマンティックマッピングフレームワークである。 提案手法は,GPS,IMU,RGB-D観測を頑健な幾何学的制約により統合し,因子グラフとしてマッピング問題を定式化する。 インスタンスのセグメンテーションと追跡に基づく効率的な知覚パイプラインと、外乱の拒絶と修正のポーズのためのクラスタリングフィルタを組み合わせることで、正確なランドマーク検出を可能にする。
  論文  参考訳（メタデータ） (2026-03-05T11:39:12Z)
• The Rosario Dataset v2: Multimodal Dataset for Agricultural Robotics [0.0]
  このデータセットは、農業環境におけるロボット工学に固有の重要な課題を捉えている。 これらの複雑さに対処することで、データセットは高度なアルゴリズムの開発とベンチマークをサポートすることを目指している。 プラットフォームとデータ収集システムは,マルチモーダルSLAMシステムを評価する上で重要な要件を満たすように設計されている。
  論文  参考訳（メタデータ） (2025-08-29T13:58:55Z)
• AgriChrono: A Multi-modal Dataset Capturing Crop Growth and Lighting Variability with a Field Robot [9.93207789073423]
  本稿では,AgriChronoについて紹介する。AgriChronoはロボットデータ収集プラットフォームであり,実世界の農業環境の動的条件を捉えるために設計されたマルチモーダルデータセットである。 当社のプラットフォームは,複数のセンサを統合し,RGB,Depth,LiDAR,IMUデータの遠隔時間同時取得を可能にする。 我々は、AgriChronoデータセット上で、最先端の3D再構成モデルをベンチマークし、現実世界のフィールド環境における再構築の難しさを強調した。
  論文  参考訳（メタデータ） (2025-08-26T05:39:47Z)
• MTMMC: A Large-Scale Real-World Multi-Modal Camera Tracking Benchmark [63.878793340338035]
  マルチターゲットマルチカメラトラッキングは、複数のカメラからのビデオストリームを使用して個人を特定し、追跡する重要なタスクである。 このタスクの既存のデータセットは、制御されたカメラネットワーク設定内で合成または人工的に構築される。 我々は16台のマルチモーダルカメラで2つの異なる環境でキャプチャされた長いビデオシーケンスを含む実世界の大規模データセットであるMTMMCを紹介する。
  論文  参考訳（メタデータ） (2024-03-29T15:08:37Z)
• Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
  このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。 高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。 また、解決を保障する科学的、技術的課題も検討している。
  論文  参考訳（メタデータ） (2023-12-06T10:46:53Z)
• Multimodal Dataset for Localization, Mapping and Crop Monitoring in Citrus Tree Farms [7.666806082770633]
  このデータセットは、深度情報を備えたステレオRGB画像と、モノクロ、近赤外線、熱画像を提供する。 データセットは、キツネの3つの畑で収集された7つの配列から構成される。 総運転時間は1.7時間、走行距離は7.5km、データ量は1.3TBである。
  論文  参考訳（メタデータ） (2023-09-27T00:30:08Z)
• Domain Generalization for Crop Segmentation with Standardized Ensemble Knowledge Distillation [42.39035033967183]
  サービスロボットは、周囲を理解し、野生のターゲットを識別するリアルタイム認識システムが必要です。 しかし、既存の方法はしばしば、新しい作物や環境条件への一般化において不足している。 本稿では,知識蒸留を用いた領域一般化手法を提案する。
  論文  参考訳（メタデータ） (2023-04-03T14:28:29Z)
• Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
  本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。 我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
  論文  参考訳（メタデータ） (2022-09-28T18:51:59Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)

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。