論文の概要: GreenSeg: Ground Segmentation Algorithm for Agricultural Robots in Mediterranean Greenhouses using RGB-D Point Clouds

• arxiv url: http://arxiv.org/abs/2605.25279v1
• Date: Sun, 24 May 2026 22:19:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:19.060102
• Title: GreenSeg: Ground Segmentation Algorithm for Agricultural Robots in Mediterranean Greenhouses using RGB-D Point Clouds
• Title（参考訳）: グリーンセグ:RGB-D点雲を用いた地中海温室農業ロボットのグラウンドセグメンテーションアルゴリズム
• Authors: Fernando Cañadas-Aránega, José C. Moreno, José L. Blanco-Claraco,
• Abstract要約: GreenSegは、RGB-Dセンシングを使用した自律ナビゲーションのための堅牢な認識フレームワークである。 結果は、GreenSegがベンチマークセグメンテーションメソッドを一貫して上回っていることを示している。
• 参考スコア（独自算出の注目度）: 41.99844472131922
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Greenhouse agriculture in the Mediterranean region faces significant automation challenges due to its unique structural and environmental constraints. These environments are characterized by extremely narrow aisles, heterogeneous terrains ranging from concrete to tilled soil and severe optical interference caused by polyethylene covers, which induce specular reflections and "ghost points" in depth sensors. While autonomous navigation is essential for digitizing agricultural tasks, traditional solutions often rely on expensive 3D LiDAR systems that are economically unscalable for most facilities. To address this, this paper presents GreenSeg, a robust perception framework for autonomous navigation using RGB-D sensing. The proposed method introduces a dual-layer validation strategy: a robust global plane fitting combined with a surface curvature filter for terrain adaptability, and a seed-point-based Region Growing constraint to ensure the spatial continuity of the navigable plane. Experimental validation was conducted using the AGRICOBIOT I platform across four diurnal scenarios with varying solar elevations. The results show that GreenSeg consistently outperforms benchmark segmentation methods, achieving peak improvements of 11.58% in mean Recall and 19.24% in mIoU during critical rotational maneuvers at the end of corridors. These findings confirm that the proposed algorithm enables stable and safe autonomous navigation in unstructured, dynamic agricultural environments that are subject to budget constraints and sensitive to lighting conditions.
• Abstract（参考訳）: 地中海地域の温室農業は、その独特の構造と環境の制約により、大きな自動化課題に直面している。 これらの環境は、非常に狭い通路、コンクリートから耕地までの不均質な地形、およびポリエチレン被覆によって引き起こされる深刻な光学干渉によって特徴づけられ、奥行きセンサーの反射や「ゴーストポイント」が引き起こされる。 農業作業のデジタル化には自律的なナビゲーションが不可欠だが、従来のソリューションは高額な3D LiDARシステムに頼っていることが多い。 そこで本稿では,RGB-Dセンシングを用いた自律ナビゲーションのための堅牢な認識フレームワークであるGreenSegを提案する。 提案手法では, 地表面曲率フィルタと組み合わされた強大な大域的平面フィッティングと, 航法面の空間連続性を確保するために, 種点ベース領域成長制約が導入された。 AGRICOBIOT Iプラットフォームを用いて、太陽高度の異なる4日周期のシナリオで実験的に検証を行った。 その結果、グリーンセグはベンチマークセグメンテーション法を一貫して上回り、回廊の終わりにおける重要な回転操作中に平均リコールで11.58%、mIoUで19.24%のピーク改善を達成した。 これらの結果から, 提案アルゴリズムは, 予算制約や照明条件に敏感な非構造的, 動的農業環境において, 安定かつ安全な自律走行を可能にすることが確認された。

関連論文リスト

• Cross-Scenario Deraining Adaptation with Unpaired Data: Superpixel Structural Priors and Multi-Stage Pseudo-Rain Synthesis [48.809049043865905]
  低レベルのコンピュータビジョンでは,イメージデライン化が重要な役割を担っている。 ディープラーニングのパラダイムは、目に見えないアウト・オブ・ディストリビューションシナリオに一般化された場合、厳しいパフォーマンス劣化に悩まされることが多い。 本稿では,クロスシナリオ・デライニング適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-23T07:38:55Z)
• 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)
• Artificial Intelligence for Green Hydrogen Yield Prediction and Site Suitability using SHAP-Based Composite Index: Focus on Oman [0.0]
  グリーン水素は脱炭酸への有望な戦略経路として出現している。 本研究では,グリーン水素収率とサイト適合性指数を計算するための新しい人工知能フレームワークを提案する。 また,オマーンにおける水深,標高および季節変動は,それぞれ2.470891,2.376296,1.273216の絶対シャップ値を持つ温水サイト適合性を決定する最も大きな要因である。
  論文  参考訳（メタデータ） (2025-07-16T10:56:24Z)
• 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)
• Depth-Constrained ASV Navigation with Deep RL and Limited Sensing [43.785833390490446]
  本研究では,深度制約下でのASVナビゲーションのための強化学習フレームワークを提案する。 環境意識を高めるため,GPレグレッションをRLフレームワークに統合する。 我々は,実世界の水環境に対して,訓練された政策が適切に一般化されることを保証する効果的なシミュレート・トゥ・リアル・トランスファーを実証する。
  論文  参考訳（メタデータ） (2025-04-25T10:56:56Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)

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。