論文の概要: An Annotation-to-Detection Framework for Autonomous and Robust Vine Trunk Localization in the Field by Mobile Agricultural Robots
- arxiv url: http://arxiv.org/abs/2603.26724v1
- Date: Fri, 20 Mar 2026 00:01:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 02:36:13.110763
- Title: An Annotation-to-Detection Framework for Autonomous and Robust Vine Trunk Localization in the Field by Mobile Agricultural Robots
- Title（参考訳）: 移動型農業ロボットによる畑における自律的・ロバストなVineトランク位置検出のためのアノテーション検出フレームワーク
- Authors: Dimitrios Chatziparaschis, Elia Scudiero, Brent Sams, Konstantinos Karydis,
- Abstract要約: 本稿では,ロバストなマルチモーダル検出器のトレーニングを目的とした,包括的なアノテーション検出フレームワークを提案する。
提案手法は、クロスモーダルなアノテーション転送と、早期のセンサー融合パイプラインを組み込んだものである。
本フレームワークの有効性は, 新規なブドウ園環境下でのブドウ幹検出によって実証された。
- 参考スコア（独自算出の注目度）: 6.966742008891213
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The dynamic and heterogeneous nature of agricultural fields presents significant challenges for object detection and localization, particularly for autonomous mobile robots that are tasked with surveying previously unseen unstructured environments. Concurrently, there is a growing need for real-time detection systems that do not depend on large-scale manually labeled real-world datasets. In this work, we introduce a comprehensive annotation-to-detection framework designed to train a robust multi-modal detector using limited and partially labeled training data. The proposed methodology incorporates cross-modal annotation transfer and an early-stage sensor fusion pipeline, which, in conjunction with a multi-stage detection architecture, effectively trains and enhances the system's multi-modal detection capabilities. The effectiveness of the framework was demonstrated through vine trunk detection in novel vineyard settings that featured diverse lighting conditions and varying crop densities to validate performance. When integrated with a customized multi-modal LiDAR and Odometry Mapping (LOAM) algorithm and a tree association module, the system demonstrated high-performance trunk localization, successfully identifying over 70% of trees in a single traversal with a mean distance error of less than 0.37m. The results reveal that by leveraging multi-modal, incremental-stage annotation and training, the proposed framework achieves robust detection performance regardless of limited starting annotations, showcasing its potential for real-world and near-ground agricultural applications.
- Abstract（参考訳）: 農業分野の動的で異質な性質は、物体の検出と位置決めに重要な課題をもたらしている。
同時に、大規模な手動でラベル付けされた実世界のデータセットに依存しないリアルタイム検出システムの必要性が高まっている。
本研究では,制約付きおよび部分的にラベル付けされたトレーニングデータを用いて,ロバストなマルチモーダル検出器のトレーニングを目的とした,包括的なアノテーション検出フレームワークを提案する。
提案手法は,多段階検出アーキテクチャと組み合わせて,システムのマルチモード検出能力を効果的に訓練し,強化する,クロスモーダルアノテーション転送とアーリーステージセンサ融合パイプラインを組み込んだ。
本フレームワークの有効性は, 様々な照明条件と作物の密度を特徴とする新規なブドウ園環境において, ブドウ幹検出により実証された。
カスタマイズされたマルチモーダルLiDARとOdometry Mapping (LOAM)アルゴリズムとツリーアソシエーションモジュールを統合すると、システムは高性能なトランクの局在を示し、平均距離が0.37m未満の1本のトラバーサルで70%以上の木を識別することに成功した。
その結果, マルチモーダル, インクリメンタルステージのアノテーションとトレーニングを活用することで, 限られた開始アノテーションにかかわらず, 堅牢な検出性能を実現し, 実世界の農業応用の可能性を示した。
関連論文リスト
- HortiMulti: A Multi-Sensor Dataset for Localisation and Mapping in Horticultural Polytunnels [9.014369967537482]
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。
論文 参考訳（メタデータ） (2026-03-20T17:26:19Z) - 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) - Multi-session Localization and Mapping Exploiting Topological Information [1.3316173544577008]
地図に基づくローカライゼーションに基づく新しいマルチセッションフレームワークを提案する。
提案手法にはトポロジインフォームドな不確実性を考慮した意思決定機構が組み込まれている。
提案手法は,データセットから重なり合う配列について検証し,実世界の鉱山のような環境での有効性を実証する。
論文 参考訳（メタデータ） (2026-02-19T10:17:46Z) - DetectAnyLLM: Towards Generalizable and Robust Detection of Machine-Generated Text Across Domains and Models [60.713908578319256]
タスク指向の知識で検出器を最適化するために,DDL(Direct Discrepancy Learning)を提案する。
そこで本研究では,最新のMGTD性能を実現する統合検出フレームワークであるTectAnyLLMを紹介する。
MIRAGEは5つのテキストドメインにまたがる10のコーパスから人書きテキストをサンプリングし、17個の最先端のLLMを使用して再生成または修正する。
論文 参考訳（メタデータ） (2025-09-15T10:59:57Z) - CVD-SfM: A Cross-View Deep Front-end Structure-from-Motion System for Sparse Localization in Multi-Altitude Scenes [0.7623023317942882]
本稿では,様々な高度にまたがるロバストかつ正確な位置決めの課題に対処する,新しい多高度カメラポーズ推定システムを提案する。
このシステムは, クロスビュートランス, 深い特徴, 動きからの構造を統合して, 多様な環境条件や視点変化を効果的に処理する。
論文 参考訳（メタデータ） (2025-08-03T22:11:48Z) - Optimizing Cooperative Multi-Object Tracking using Graph Signal Processing [45.68287260385148]
本稿では,3次元LiDARシーンにおける物体追跡のための協調型MOTフレームワークを提案する。
検出された境界ボックスによって定義される全連結グラフトポロジーを利用して、グラフラプラシアン処理最適化手法を用いる。
実世界のV2V4Realデータセットを用いて、広範な評価研究が行われた。
論文 参考訳（メタデータ） (2025-06-11T07:21:58Z) - PFSD: A Multi-Modal Pedestrian-Focus Scene Dataset for Rich Tasks in Semi-Structured Environments [73.80718037070773]
本稿では, 半構造化シーンに, nuScenesの形式を付加したマルチモーダルなPedestrian-Focused Sceneデータセットを提案する。
また,密集・隠蔽シナリオにおける歩行者検出のためのHMFN(Hybrid Multi-Scale Fusion Network)を提案する。
論文 参考訳（メタデータ） (2025-02-21T09:57:53Z) - Optimizing Multispectral Object Detection: A Bag of Tricks and Comprehensive Benchmarks [49.84182981950623]
RGBおよびTIR(熱赤外)変調を利用したマルチスペクトル物体検出は,課題として広く認識されている。
モダリティと堅牢な融合戦略の両方から特徴を効果的に抽出するだけでなく、スペクトルの相違といった問題に対処する能力も必要である。
本稿では,高パフォーマンス単一モードモデルのシームレスな最適化が可能な,効率的かつ容易にデプロイ可能なマルチスペクトルオブジェクト検出フレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-27T12:18:39Z) - Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。
まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。
最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
論文 参考訳（メタデータ） (2023-07-01T13:53:14Z)
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。