論文の概要: Autonomous Agricultural Tractor: Integrated Weed Detection and LiDAR Navigation for Precision Paddy Farming
- arxiv url: http://arxiv.org/abs/2608.19004v1
- Date: Wed, 19 Aug 2026 15:04:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.436504
- Title: Autonomous Agricultural Tractor: Integrated Weed Detection and LiDAR Navigation for Precision Paddy Farming
- Title（参考訳）: 自律型農業トラクタ:精密水田作のための雑草検出とLiDARナビゲーション
- Abstract要約: 本稿では,4つのROS結合モジュールを中心に構築された自律トラクタシステムであるAgriNavについて述べる。
4つのメカニックなLiDAR-カメラ融合ブリッジを使用しており、ナビゲーションのLiDARを使って、関心領域の制約、世界検出投影、地上面フィルタリング、および追加のハードウェアコストで双方向の信頼融合を行う。
- 参考スコア（独自算出の注目度）: 1.1141930818115873
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Site-specific weed management in paddy farming offers substantial reductions in herbicide use over conventional broadcast spraying, but field deployment has been limited by three persistent challenges: robust crop-row navigation under canopy where GNSS degrades, real-time visual discrimination between rice and morphologically diverse weeds, and the asymmetric cost of misclassifying rice as weed, which is irreversible. This paper presents AgriNav, an integrated autonomous tractor system built around four ROS-coupled modules: a custom PyTorch reimplementation of WeedDet for rice detection, a parallel lightweight 1.68M-parameter CNN-FPN variant with asymmetric class weighting, an inverted-logic discrimination module that protects the rice class through a hardcoded confidence-gate veto, and a 6-state constant-velocity-turn-rate Extended Kalman Filter fusing GNSS, IMU, and wheel odometry with three-level outage bridging. Our primary system-level contribution is a four-mechanism LiDAR-camera fusion bridge that uses the navigation LiDAR for region-of-interest constraint, world-coordinate projection, ground-plane filtering, and bidirectional confidence fusion at zero additional hardware cost. Simulation experiments demonstrate continuous position tracking through a 20-second GNSS outage, crop row detection confidence above 0.9 throughout operation, and rice-detection confidences from 0.32 to 0.95 across paddy, aerial, and post-flood imagery. The LiDAR ROI constraint reduces detection inference region by an estimated 30 to 50 percent.
- Abstract（参考訳）: 水田農業における地種別雑草管理は, 従来の放送散布法に比べて除草剤の使用を著しく削減するが, GNSS が低下するキャノピー下での堅固な農耕航海, 水稲と形態学的に多様な雑草のリアルタイム視覚識別, 雑草を雑草として非対称に分類する非対称コストの3つの難題に制限されている。
本稿では、4つのROS結合モジュールを中心に構築された統合自律トラクタシステムであるAgriNavについて述べる。WeedDetの独自の実装、非対称なクラス重み付けによる1.68MパラメータCNN-FPNの並列軽量化、ハードコードされた信頼ゲートベットによるイネクラスを保護する逆論理的識別モジュール、GNSS,IMU,三段停止ブリッジを融合した6状態の定数速度-ターンレート拡張カルマンフィルタである。
我々のシステムレベルでのコントリビューションは、4つのメカニズムLiDAR-カメラ融合ブリッジで、LiDARを領域制約、世界座標投影、地平面フィルタリング、双方向信頼融合に、追加のハードウェアコストゼロで使用する。
シミュレーション実験では、20秒のGNSS停止による連続的な位置追跡、0.32から0.95までの水田、空中、ポストフッド画像における作物行検出の信頼性、および水稲検出の信頼性が示されている。
LiDARのROI制約は、検出推測領域を30～50%削減する。
関連論文リスト
- Rigid-Covert GNSS Spoofing of UAV Swarms: A Structural Blind Spot, Its Detection Limit, and Absolute-Anchor Defenses [0.0]
協力的なUAV-s防衛は、通常、測定されたドローン間幾何学に対する位置を横断的にチェックする。
共通でゆっくりと変化する変換(剛体被覆シフト、RigidShift)は、全ての対距離を保ち、従って、相対ウォームのみの検出器では観測できない。
本研究では,流体間距離からSwarm形状を再構築する集中型アンカールート回収パイプラインを提案する。
論文 参考訳（メタデータ） (2026-08-07T07:15:55Z) - LLM-Empowered Multimodal Fusion Framework for Autonomous Driving: Semantic Enhancement and Channel-Adaptive Design [56.76240343283953]
本稿では,大規模言語モデル中心のセマンティック・レイヤ・チャネル・アウェア・インテグレート・パーセプション・フレームワークを提案する。
ローカルな視覚ストリームと、知覚盲点をカバーするために使用される品質の変化した外部レーダーストリームを融合させる。
nuScenesとVIRATの実験は、我々のアプローチを検証する。
論文 参考訳（メタデータ） (2026-07-02T06:44:02Z) - GreenSeg: Ground Segmentation Algorithm for Agricultural Robots in Mediterranean Greenhouses using RGB-D Point Clouds [41.99844472131922]
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。
論文 参考訳（メタデータ） (2026-05-24T22:19:38Z) - Enhancing Graph-Based SLAM in GNSS-Denied environments by leveraging leg odometry [2.953334250276907]
脚のドメトリーにより駆動される平行キネマティックレーンでLIO-SAMフレームワークを増強する因子グラフアーキテクチャを提案する。
提案手法は,30m以上から30cm未満までの上昇ドリフトを低減し,ベースラインパイプラインが完全に故障する場面での収束を可能にする。
論文 参考訳（メタデータ） (2026-05-19T20:48:35Z) - Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement [46.13526676100776]
Paired-CSLiDAR(英語版)は、シングルスキャンポーズリファインメントのためのクロスソース空地LiDARベンチマークである。
このベンチマークには6つの評価サイトで12,683組の地上空対が含まれている。
本稿では,RGSR(Residual-Guided Stratified Registration)を提案する。
論文 参考訳（メタデータ） (2026-05-01T13:14:20Z) - Equivariant Filter for Radar-Inertial Odometry [45.85581416235741]
拡張カルマンフィルタ(EKF)に基づくレーダ慣性オドメトリー(RIO)は、レーダと慣性測定ユニット(IMU)の間の正確な外在的キャリブレーションに依存している。
このレターは、ナビゲーション状態とIMUバイアスを幾何学的に結合するリー群対称性に基づいて、RIOの同変フィルタ(EqF)を提案する。
論文 参考訳（メタデータ） (2026-04-24T21:47:06Z) - How IMU Drift Influences Multi-Radar Inertial Odometry for Ground Robots in Subterranean Terrains [16.196972581962342]
レジリエンスな局所化とマッピングのためのIMUバイアス推定器を組み合わせた2段階MRIOフレームワークを提案する。
コスト効率のよいFMCWレーダーと異なるIMUをまたいで精度を維持し、PixhawkとVectorNavのような高品位のユニットで弾力性を示す。
提案フレームワークは,ロボットの推定翻訳および回転変位を利用して,レーダのみのマッピングを支援する。
論文 参考訳（メタデータ） (2026-02-27T17:15:50Z) - Optimizing Indoor Farm Monitoring Efficiency Using UAV: Yield Estimation in a GNSS-Denied Cherry Tomato Greenhouse [6.845690057916755]
我々は、RGB-Dカメラ、3D LiDAR、IMUセンサーを備えた軽量無人航空機(UAV)を開発した。
本研究では,収穫行と成長行の2つのデータセットを用いてシステム評価を行う。
本研究は, 商業用温室における効率的なロボット収量推定のためのUAVの可能性を示すものである。
論文 参考訳（メタデータ） (2025-05-02T04:41:57Z) - Better Monocular 3D Detectors with LiDAR from the Past [64.6759926054061]
カメラベースの3D検出器は、画像の奥行きのあいまいさのため、LiDARベースの検出器に比べて性能が劣ることが多い。
本研究では,未ラベルの歴史的LiDARデータを活用することにより,単分子3D検出器の改良を図る。
複数の最先端モデルやデータセットに対して,9.66ミリ秒の追加レイテンシとストレージコストの低い,一貫性と大幅なパフォーマンス向上を示す。
論文 参考訳（メタデータ） (2024-04-08T01:38:43Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳（メタデータ） (2022-01-29T10:54:57Z)
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。