論文の概要: Real-time windrow detection from onboard tractor sensors for automated following

• arxiv url: http://arxiv.org/abs/2604.24628v1
• Date: Mon, 27 Apr 2026 15:55:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:08.133794
• Title: Real-time windrow detection from onboard tractor sensors for automated following
• Title（参考訳）: 自動追従のための車載トラクタセンサからのリアルタイムウィンドロー検出
• Authors: Lorenz Gunreben, Nico Heider, Sebastian Zürner, Martin Schieck, Bogdan Franczyk,
• Abstract要約: 実バリング動作中のトラクタ搭載センサからのステレオビジョンとLiDARを組み合わせたマルチモーダルデータセットを提案する。 NVIDIA Jetson AGX Orin 上で,リアルタイム (>20 Hz) セントロイドを用いたウィンドロウ追従方式を実装した。 我々のオープンソースのROS 2パイプラインは、GPSのないウィンドロウ検出のための再現可能なベンチマークを提供し、実用的な自律型飼料収穫システムの開発を支援しています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Proprietary design in commercial windrow-detection systems restricts transparency and limits progress in open autonomous forage-harvesting research. We present a multi-modal dataset combining stereo vision and LiDAR from tractor-mounted sensors during real baling operations. The dataset includes synchronized sensor data with GNSS trajectories, partly released as ROS2 Humble bags on Zenodo, with additional data available on request. Using this dataset, we implement a real-time (>20 Hz) centroid-based windrow-following method on an NVIDIA Jetson AGX Orin. Across the critical 4-10 m guidance range, stereo and LiDAR depth measurements show strong agreement (0.965 +/- 0.021), indicating that low-cost stereo sensors can approach LiDAR performance. Our open-source ROS 2 pipeline provides a reproducible benchmark for GPS-free windrow detection and supports development of practical autonomous forage-harvesting systems. Dataset: https://zenodo.org/records/17486318
• Abstract（参考訳）: 商業用ウィンドロウ検知システムにおける原設計は、オープン・オートマチック・フォージ・ハーヴェスティング研究の透明性と進歩を制限している。 実バリング動作中のトラクタ搭載センサからのステレオビジョンとLiDARを組み合わせたマルチモーダルデータセットを提案する。 このデータセットには、Zenodo上のROS2 Humble bagとして部分的にリリースされているGNSSトラジェクトリとの同期センサーデータと、要求に応じて追加データが含まれている。 このデータセットを用いて、NVIDIA Jetson AGX Orin上で、リアルタイム(>20Hz)セントロイドベースのウィンドロウ追従法を実装した。 臨界4-10mの誘導範囲全体では、ステレオとLiDARの深さ測定は強い一致を示し(0.965 +/- 0.021)、低コストのステレオセンサーがLiDARの性能に接近できることを示している。 我々のオープンソースのROS 2パイプラインは、GPSのないウィンドロウ検出のための再現可能なベンチマークを提供し、実用的な自律型飼料収穫システムの開発をサポートする。 データセット:https://zenodo.org/records/17486318

関連論文リスト

• Towards Foundational Models for Single-Chip Radar [49.896124982717716]
  mmWaveレーダーは小型で安価で耐久性のあるセンサーで、天気や暗闇といった環境条件によらず機能する。 これは角分解能の低さ、特に自動車や屋内センサーの用途で一般的に使用される安価な単チップレーダーのコストが伴う。 我々は、4Dシングルチップレーダーの基本モデルを訓練し、3D占有率とセマンティックセマンティックセグメンテーションを、高解像度センサーでのみ可能な品質で予測できる。
  論文  参考訳（メタデータ） (2025-09-15T22:06:17Z)
• Mixed Signals: A Diverse Point Cloud Dataset for Heterogeneous LiDAR V2X Collaboration [57.3519952529079]
  車両間協調認識(V2X)は、単車知覚システムの限界に対処するための有望な解決策として登場した。 これらのギャップに対処するために、45.1kの点雲と240.6kのバウンディングボックスを備えた総合的なV2XデータセットであるMixed Signalsを紹介した。 私たちのデータセットは10クラスのポイントクラウドとバウンディングボックスアノテーションを提供し、認識トレーニングのための信頼性の高いデータを確保します。
  論文  参考訳（メタデータ） (2025-02-19T23:53:00Z)
• SparseRadNet: Sparse Perception Neural Network on Subsampled Radar Data [5.344444942640663]
  レーダー生データは、しばしば過剰なノイズを含むが、レーダー点雲は限られた情報しか保持しない。 本稿では,適応的なサブサンプリング手法と,空間パターンを利用したネットワークアーキテクチャを提案する。 RADIalデータセットの実験により,SparseRadNetはオブジェクト検出における最先端(SOTA)性能を超え,自由空間セグメンテーションにおけるSOTA精度に近づいた。
  論文  参考訳（メタデータ） (2024-06-15T11:26:10Z)
• SCaRL- A Synthetic Multi-Modal Dataset for Autonomous Driving [0.0]
  本稿では、自律運転ソリューションのトレーニングと検証を可能にするために、合成生成された新しいマルチモーダルデータセットであるSCaRLを提案する。 SCaRLはCARLA Simulatorに基づく大規模なデータセットであり、多様な動的シナリオとトラフィック条件のためのデータを提供する。
  論文  参考訳（メタデータ） (2024-05-27T10:31:26Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• The LuViRA Dataset: Synchronized Vision, Radio, and Audio Sensors for Indoor Localization [41.58739817444644]
  データセットには、カラー画像、対応する深度マップ、慣性測定ユニット(IMU)読み取り、5Gの大規模マルチインプットとMIMO(Multiple-output)テストベッドとユーザ機器のチャネル応答が含まれる。 これらのセンサーを同期させて、すべてのデータが同時に記録されるようにします。 このデータセットの主な目的は、ローカライゼーションタスクに最もよく使用されるセンサーとのセンサー融合の研究を可能にすることである。
  論文  参考訳（メタデータ） (2023-02-10T15:12:40Z)

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。