論文の概要: HortiMulti: A Multi-Sensor Dataset for Localisation and Mapping in Horticultural Polytunnels
- arxiv url: http://arxiv.org/abs/2603.20150v3
- Date: Wed, 25 Mar 2026 15:59:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-26 14:25:25.8869
- Title: HortiMulti: A Multi-Sensor Dataset for Localisation and Mapping in Horticultural Polytunnels
- Title（参考訳）: HortiMulti: 園芸ポリタンの局在とマッピングのためのマルチセンサデータセット
- Authors: Shuoyuan Xu, Zhipeng Zhong, Tiago Barros, Matthew Coombes, Cristiano Premebida, Hao Wu, Cunjia Liu,
- Abstract要約: HortiMultiは、商業用イチゴとラズベリーのポリタンネルで、成長期全体にわたって収集されたクロスシーズンデータセットである。
我々は、時間同期生測、校正ファイル、参照軌跡、視覚、LiDAR、マルチセンサーSLAMのためのベースラインベンチマークをリリースする。
- 参考スコア（独自算出の注目度）: 9.014369967537482
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agricultural robotics is gaining increasing relevance in both research and real-world deployment. As these systems are expected to operate autonomously in more complex tasks, the availability of representative real-world datasets becomes essential. While domains such as urban and forestry robotics benefit from large and established benchmarks, horticultural environments remain comparatively under-explored despite the economic significance of this sector. To address this gap, we present HortiMulti, a multimodal, cross-season dataset collected in commercial strawberry and raspberry polytunnels across an entire growing season, capturing substantial appearance variation, dynamic foliage, specular reflections from plastic covers, severe perceptual aliasing, and GNSS-unreliable conditions, all of which directly degrade existing localisation and perception algorithms. The sensor suite includes two 3D LiDARs, four RGB cameras, an IMU, GNSS, and wheel odometry. Ground truth trajectories are derived from a combination of Total Station surveying, AprilTag fiducial markers, and LiDAR-inertial odometry, spanning dense, sparse, and marker-free coverage to support evaluation under both controlled and realistic conditions. We release time-synchronised raw measurements, calibration files, reference trajectories, and baseline benchmarks for visual, LiDAR, and multi-sensor SLAM, with results confirming that current state-of-the-art methods remain inadequate for reliable polytunnel deployment, establishing HortiMulti as a one-stop resource for developing and testing robotic perception systems in horticulture environments.
- Abstract（参考訳）: 農業ロボティクスは、研究と現実世界の展開の両方において、関連性が高まっている。
これらのシステムは、より複雑なタスクで自律的に動作することが期待されているため、代表的な実世界のデータセットが利用できることが不可欠である。
都市部や林業ロボティクスのようなドメインは大規模で確立されたベンチマークの恩恵を受けているが、園芸環境はこの分野の経済的重要性にもかかわらず、比較的過小評価されている。
このギャップに対処するため,HortiMultiは商業用イチゴとラズベリーの多孔体に収集されたマルチモーダル・クロスシーソン・データセットで,生長期全体にわたって顕著な外観変化,動的葉,プラスチックカバーからのスペクトル反射,重度知覚エイリアス,GNSS非信頼条件を収集し,いずれも既存の局所化と知覚アルゴリズムを直接劣化させる。
センサー・スイートには2台の3D LiDAR、4台のRGBカメラ、IMU、GNSS、ホイール・オドメトリーが含まれる。
地上の真理軌道は、制御および現実的な条件下での評価を支援するために、Total Station Surveying、 AprilTag fiducial markers、LiDAR-inertial odometryの組合せから導かれる。
我々は、時間同期生測、校正ファイル、基準軌跡、視覚、LiDAR、マルチセンサーSLAMのベースラインベンチマークを公開し、現在の最先端手法が信頼性の高いポリタンネル展開に不適切であることを確認するとともに、園芸環境におけるロボット認識システムの開発とテストのためのワンストップリソースとしてHortiMultiを確立した。
関連論文リスト
- GrandTour: A Legged Robotics Dataset in the Wild for Multi-Modal Perception and State Estimation [8.483668967252422]
GrandTourデータセットは、屋外および屋内の挑戦的な環境にまたがって収集された、マルチモーダルな脚付きロボティクスデータセットである。
このデータセットは、回転するLiDAR、相補的な特徴を持つ複数のRGBカメラ、プロセプティブセンサー、ステレオディープカメラから、時間同期センサーデータを提供する。
このデータセットはSLAM、高精度状態推定、マルチモーダル学習の研究をサポートし、脚付きロボットシステムにおけるセンサフュージョンの新しいアプローチの厳密な評価と開発を可能にする。
論文 参考訳（メタデータ） (2026-02-20T11:57:52Z) - TEMPO-VINE: A Multi-Temporal Sensor Fusion Dataset for Localization and Mapping in Vineyards [39.38262052015926]
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。
論文 参考訳（メタデータ） (2025-12-04T13:20:41Z) - 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) - TUM2TWIN: Introducing the Large-Scale Multimodal Urban Digital Twin Benchmark Dataset [90.97440987655084]
都市デジタルツインズ(UDT)は、都市管理と多様なソースからの複雑な異種データの統合に欠かせないものとなっている。
これらの課題に対処するために、最初の総合的マルチモーダルなUrban Digital TwinベンチマークデータセットTUM2TWINを紹介する。
このデータセットには、地理的にセマンティックに整合した3Dモデルとネットワーク、およびさまざまな地球、モバイル、航空、衛星観測結果、約10,000ドル以上のデータサブセット、そして現在767GBのデータが含まれている。
論文 参考訳（メタデータ） (2025-05-12T09:48:32Z) - OpenEarthSensing: Large-Scale Fine-Grained Benchmark for Open-World Remote Sensing [57.050679160659705]
オープンワールドリモートセンシングのための大規模きめ細かいベンチマークである textbfOpenEarthSensing (OES) を紹介する。
OESには189のシーンとオブジェクトのカテゴリが含まれており、現実世界で起こりうる潜在的なセマンティックシフトの大部分をカバーしている。
論文 参考訳（メタデータ） (2025-02-28T02:49:52Z) - 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) - LaMAR: Benchmarking Localization and Mapping for Augmented Reality [80.23361950062302]
異種ARデバイスでキャプチャされたリアルな軌跡とセンサストリームを共登録する,包括的キャプチャとGTパイプラインを備えた新しいベンチマークであるLaMARを紹介する。
私たちは、ヘッドマウントとハンドヘルドARデバイスで記録された多様な大規模シーンのベンチマークデータセットを公開します。
論文 参考訳（メタデータ） (2022-10-19T17:58:17Z) - 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) - Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using
Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。
本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。
これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文 参考訳（メタデータ） (2020-12-07T16:23:13Z)
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。