論文の概要: VinePT-Map: Pole-Trunk Semantic Mapping for Resilient Autonomous Robotics in Vineyards

• arxiv url: http://arxiv.org/abs/2603.05070v1
• Date: Thu, 05 Mar 2026 11:39:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.933863
• Title: VinePT-Map: Pole-Trunk Semantic Mapping for Resilient Autonomous Robotics in Vineyards
• Title（参考訳）: VinePT-Map:Vineyardにおけるレジリエントな自律ロボットのためのポールトランクセマンティックマッピング
• Authors: Giorgio Audrito, Mauro Martini, Alessandro Navone, Giorgia Galluzzo, Marcello Chiaberge,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 40.46631989657389
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Reliable long-term deployment of autonomous robots in agricultural environments remains challenging due to perceptual aliasing, seasonal variability, and the dynamic nature of crop canopies. Vineyards, characterized by repetitive row structures and significant visual changes across phenological stages, represent a pivotal field challenge, limiting the robustness of conventional feature-based localization and mapping approaches. This paper introduces VinePT-Map, a semantic mapping framework that leverages vine trunks and support poles as persistent structural landmarks to enable season-agnostic and resilient robot localization. The proposed method formulates the mapping problem as a factor graph, integrating GPS, IMU, and RGB-D observations through robust geometrical constraints that exploit vineyard structure. An efficient perception pipeline based on instance segmentation and tracking, combined with a clustering filter for outlier rejection and pose refinement, enables accurate landmark detection using low-cost sensors and onboard computation. To validate the pipeline, we present a multi-season dataset for trunk and pole segmentation and tracking. Extensive field experiments conducted across diverse seasons demonstrate the robustness and accuracy of the proposed approach, highlighting its suitability for long-term autonomous operation in agricultural environments.
• Abstract（参考訳）: 農業環境における自律型ロボットの信頼性の高い長期展開は、知覚的エイリアス化、季節変動性、作物天蓋の動的性質により、依然として困難である。 Vineyardsは、反復的な行構造と、現象学的段階にわたる視覚的変化を特徴とし、従来の特徴に基づくローカライゼーションとマッピングアプローチの堅牢性を制限する、重要なフィールドチャレンジを表している。 本稿では、季節依存型でレジリエントなロボットローカライゼーションを実現するために、ブドウの幹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VinePT-Mapを紹介する。 提案手法は地図問題を因子グラフとして定式化し,GPS,IMU,RGB-D観測を統合した。 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認識パイプラインと、外乱の拒絶と改善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、低コストのセンサとオンボード計算による正確なランドマーク検出を可能にする。 パイプラインを検証するために,トランクとポールのセグメンテーションとトラッキングのためのマルチシーズンデータセットを提案する。 多様な季節にわたって行われた広範囲にわたる野外実験は、提案手法の堅牢性と正確性を示し、農業環境における長期自律運転への適合性を強調した。

関連論文リスト

• Semantic-Aware Particle Filter for Reliable Vineyard Robot Localisation [4.0016757648498205]
  屋外環境における移動ロボットのローカライゼーションは重要であるが、LiDARベースの手法はブドウ畑では失敗することが多い。 本研究では,安定なオブジェクトレベル検出,具体的にはブドウ幹を含むセマンティック粒子フィルタを提案する。 セマンティックの壁は、隣接するランドマークを行エイリアスを緩和する擬似構造制約に接続する。 提案手法は, 正しい行内のローカライゼーションを維持し, AMCLが故障した場合のずれから回復し, RTAB-Mapなどの視覚ベースのSLAM法より優れる。
  論文  参考訳（メタデータ） (2025-09-22T19:04:31Z)
• Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
  都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。 複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。 低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-05-21T03:57:10Z)
• StrideNET: Swin Transformer for Terrain Recognition with Dynamic Roughness Extraction [0.0]
  本稿では、地形認識と暗黙的特性推定のために設計された新しいデュアルブランチアーキテクチャであるStrideNETを提案する。 この研究の意味は、環境モニタリング、土地利用、土地被覆分類(LULC)、災害対応、精密農業など、様々な応用にまで及んでいる。
  論文  参考訳（メタデータ） (2024-04-20T04:51:59Z)
• 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)
• 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)
• Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
  本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。 我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
  論文  参考訳（メタデータ） (2022-11-15T13:52:41Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• Domain-invariant Similarity Activation Map Contrastive Learning for Retrieval-based Long-term Visual Localization [30.203072945001136]
  本研究では,多領域画像変換による領域不変特徴抽出のために,確率論的に一般アーキテクチャを定式化する。 そして、より精密な局所化のために、新しい勾配重み付き類似性活性化写像損失(Grad-SAM)を組み込んだ。 CMUSeasonsデータセットにおける提案手法の有効性を検証するために大規模な実験が行われた。 我々の性能は、最先端のイメージベースのローカライゼーションベースラインを中あるいは高精度で上回るか、あるいは上回る。
  論文  参考訳（メタデータ） (2020-09-16T14:43:22Z)
• Gaussian Process Gradient Maps for Loop-Closure Detection in Unstructured Planetary Environments [17.276441789710574]
  以前にマップされた位置を認識する能力は、自律システムにとって不可欠な機能である。 非構造的な惑星のような環境は、地形の類似性のためにこれらのシステムに大きな課題をもたらす。 本稿では,空間情報のみを用いたループ閉鎖問題の解法を提案する。
  論文  参考訳（メタデータ） (2020-09-01T04:41:40Z)

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。