論文の概要: Low-Cost Stereo Vision for Robust 3D Positioning of Thin Radiata Pine Branches in Autonomous Drone Pruning

• arxiv url: http://arxiv.org/abs/2605.08213v1
• Date: Wed, 06 May 2026 10:01:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.466727
• Title: Low-Cost Stereo Vision for Robust 3D Positioning of Thin Radiata Pine Branches in Autonomous Drone Pruning
• Title（参考訳）: 自律型ドローンプルーニングにおける細径ラディアタパインブランチのロバスト3次元位置決めのための低速度ステレオビジョン
• Authors: Yida Lin, Bing Xue, Mengjie Zhang, Sam Schofield, Richard Green,
• Abstract要約: 既存の自律型プルーニングプラットフォームは、通常、LiDARのような高価なセンサーに依存している。 本稿では,ドローンに搭載された1台の低価格ステレオカメラが,十分正確な分岐検出を可能にするかどうかを検討する。
• 参考スコア（独自算出の注目度）: 5.266753902938501
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Manual pruning of radiata pine, a species of major economic importance to New Zealand forestry, is hazardous, labour-intensive, and increasingly constrained by workforce shortages. Existing autonomous pruning platforms typically rely on expensive sensors such as LiDAR and are limited to thick branches, which restricts their wider adoption. This paper investigates whether a single low-cost stereo camera mounted on a drone can provide sufficiently accurate branch detection and three-dimensional positioning to support autonomous pruning of branches as thin as 10 mm, thereby removing the need for auxiliary depth sensors. The proposed pipeline comprises two stages: branch segmentation and depth estimation. For segmentation, Mask R-CNN variants and the YOLOv8 and YOLOv9 families are compared on a custom dataset of 71 stereo image pairs captured with a ZED Mini camera; YOLOv8 and YOLOv9 are selected as representative state-of-the-art real-time segmentors at the time of data collection, and the framework is designed to remain compatible with newer YOLO releases. For depth estimation, a traditional method (SGBM with WLS filtering) and deep-learning-based methods (PSMNet, ACVNet, GWCNet, MobileStereoNet, RAFT-Stereo, and NeRF-Supervised Deep Stereo) are evaluated, including cross-dataset fine-tuning experiments that expose the domain gap between urban driving benchmarks and natural forestry scenes. The main novelty of this work lies in coupling stereo segmentation with a centroid-based triangulation algorithm and Median-Absolute-Deviation outlier rejection that converts a segmentation mask and disparity map into a single robust branch-to-camera distance, addressing the challenges of sparse texture, thin structures, and noisy disparity values typical of forest scenes. Qualitative evaluations at distances of 1-2 m show that the learning-based stereo methods produce more coherent depth es...
• Abstract（参考訳）: ニュージーランドの林業にとって重要な経済種であるラジダマツの手作業による伐採は危険であり、労働集約的であり、労働力不足によってますます制限されている。 既存の自律型プルーニングプラットフォームは、LiDARのような高価なセンサーに依存しており、太い枝に制限されている。 本稿では,ドローンに搭載された1台の低価格ステレオカメラが,枝を10mmの薄さで自律的に刈り取るのに十分な精度のブランチ検出と3次元位置決めを実現することができるかどうかを考察し,補助深度センサの必要性を排除した。 提案パイプラインは分岐分割と深さ推定の2段階からなる。 セグメンテーションのために、Mask R-CNNとYOLOv8およびYOLOv9ファミリーは、ZED Miniカメラでキャプチャされた71のステレオイメージ対のカスタムデータセットと比較され、YOLOv8とYOLOv9はデータ収集時に最先端のリアルタイムセグメンタとして選択され、新しいYOLOリリースと互換性を保つように設計されている。 深度推定には,従来の手法(WLSフィルタ付きSGBM)と深度学習に基づく手法(PSMNet, ACVNet, GWCNet, MobileStereoNet, RAFT-Stereo, NeRF-Supervised Deep Stereo)を評価し,都市部における運転ベンチマークと自然林業シーンのドメインギャップを明らかにするクロスデータセット微調整実験を行った。 この研究の主な新規性は、セグメンテーションマスクとディパリティマップを単一の頑丈な分岐-カメラ間距離に変換する、セントロイドベースの三角測量アルゴリズムとMedian-Absolute-Deviationoutlier rejectionとを結合することであり、これは森の風景に典型的なスパーステクスチャ、細い構造、ノイズの相違値の課題に対処するものである。 距離1-2mの定性的評価は、学習に基づくステレオ手法がよりコヒーレントな深さを創り出すことを示す。

関連論文リスト

• Positioning radiata pine branches requiring pruning by drone stereo vision [5.266753902938501]
  本稿では,自律的な刈取を支援するために,ドローンに搭載された立体視システムについて述べる。 セグメンテーションでは、YOLOv8、YOLOv9、Mask R-CNNのバリエーションを、ZED Miniカメラでキャプチャされた71のステレオ画像ペアのカスタムデータセットと比較する。 深度推定には、従来の手法(WLSフィルタ付きSGBM)とディープラーニングに基づく手法の両方を評価する。 セグメンテーションマスクと不均一マップから分岐距離を計算するために,MAD外乱除去を用いたセントロイド型三角法を提案する。
  論文  参考訳（メタデータ） (2026-04-12T10:10:19Z)
• Progressive Per-Branch Depth Optimization for DEFOM-Stereo and SAM3 Joint Analysis in UAV Forestry Applications [5.266753902938501]
  パーブランチ3D再構築は、自律型UAV木刈りの前提条件である。 本稿では,DEFOM-Stereo ファンデーションモデル差分推定を組み込んだプログレッシブパイプラインを提案する。 提案したパイプラインは、エッジの忠実度を維持しながら、ブランチごとの平均標準偏差を82%削減する。
  論文  参考訳（メタデータ） (2026-02-24T04:37:18Z)
• YOLO and SGBM Integration for Autonomous Tree Branch Detection and Depth Estimation in Radiata Pine Pruning Applications [5.266753902938501]
  ラジエータの松の木を手作業で刈り取ると、極端な作業の高さと挑戦的な地形のため、かなりの安全性のリスクが生じる。 本稿では, YOLOオブジェクト検出とセミグロバルブロックマッチング(SGBM)ステレオビジョンを統合し, 自律型ドローンプルーニング操作を実現するコンピュータビジョンフレームワークを提案する。 ステレオカメラ入力のみを用いて,高精度な分岐検出と深度推定を実現し,高価なLiDARセンサを不要とした。
  論文  参考訳（メタデータ） (2025-12-05T04:08:47Z)
• DERD-Net: Learning Depth from Event-based Ray Densities [18.805355074730727]
  イベントカメラは、多視点ステレオ深度推定とSLAMのための有望な道を提供する。 本稿では,単眼・ステレオ両方のイベントカメラを用いた画素幅推定のための,スケーラブルでフレキシブルで適応可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-22T12:58:05Z)
• Boosting Omnidirectional Stereo Matching with a Pre-trained Depth Foundation Model [70.67610495024459]
  カメラベースの設定は、立体深度推定を用いて高解像度の高解像度深度マップを生成することで、コスト効率のよい選択肢を提供する。 既存の全方位ステレオマッチング手法は、様々な環境において限られた深度精度しか達成できない。 DFI-OmniStereoは, 大規模事前学習基礎モデルを用いて, 相対的な単眼深度推定を行う新しい全方位ステレオマッチング法である。
  論文  参考訳（メタデータ） (2025-03-30T16:24:22Z)
• SDGE: Stereo Guided Depth Estimation for 360$^\circ$ Camera Sets [65.64958606221069]
  マルチカメラシステムは、360ドル周の知覚を達成するために、しばしば自律走行に使用される。 360ドル(約3万3000円)のカメラセットは、しばしば制限または低品質のオーバーラップ領域を持ち、画像全体に対してマルチビューステレオメソッドを実現する。 重なりの重なりに多視点ステレオ結果を明示的に利用することにより、全画像の深さ推定を強化するステレオガイド深度推定法(SGDE)を提案する。
  論文  参考訳（メタデータ） (2024-02-19T02:41:37Z)
• PLADE-Net: Towards Pixel-Level Accuracy for Self-Supervised Single-View Depth Estimation with Neural Positional Encoding and Distilled Matting Loss [49.66736599668501]
  PLADE-Netと呼ばれる自己監視型単視点画素レベルの高精度深度推定ネットワークを提案する。 提案手法は,KITTIデータセットの$delta1$測定値の95%を超え,前例のない精度を示す。
  論文  参考訳（メタデータ） (2021-03-12T15:54:46Z)

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。