論文の概要: Visual-SLAM for the detection of hidden tomatoes in greenhouses by Hierarchical Localization and GLOMAP for robotized harvesting
- arxiv url: http://arxiv.org/abs/2609.11766v2
- Date: Fri, 11 Sep 2026 08:21:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.478307
- Title: Visual-SLAM for the detection of hidden tomatoes in greenhouses by Hierarchical Localization and GLOMAP for robotized harvesting
- Title（参考訳）: 階層的局在化とGLOMAPによる温室における隠れトマト検出のためのビジュアルSLAM
- Abstract要約: 本研究は単眼カメラを用いたVisual-SLAMシステムを提案する。
試験はAgroconnect実験用温室にある本物のトマトの束で行われた。
- 参考スコア（独自算出の注目度）: 39.55454029331185
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Advanced crop monitoring inside greenhouses is becoming one of the primary objectives of research centers. High-performance sensors, such as LiDAR or stereo cameras, have traditionally been employed for this purpose, though these often have a high cost. This work proposes a Visual-SLAM system using a monocular camera, which is significantly more cost-effective and specifically tailored for agricultural applications, such as mapping tomato crops in a greenhouse. Tests were carried out on a real tomato bunch, located in the Agroconnect experimental greenhouse. A ROS 2 Humble node was developed to run on the robot in order to capture images of these crops, which were then stored for offline processing. To generate a 3D mapped model for the crop in the greenhouse, the GLOMAP mapper, based on Structure-From-Motion, was integrated with the Hierarchical Localization toolbox. This initial mapping is a foundation for future, more advanced algorithms to analyze growth patterns, and optimize agricultural management. The system leverages a hierarchical localization paradigm based on a coarse-to-fine strategy: it first performs global retrieval to generate location hypotheses, then combines local features within the identified candidate regions. The results show a correct identification of the tomato cluster, correctly characterising the tomato that is occluded and inaccessible by classical vision technologies. The reconstructed 3D model was further validated against manual ground-truth measurements of fruit size, centroid position, and orientation, confirming the geometric accuracy of the proposed low-cost monocular pipeline.
- Abstract（参考訳）: 温室内の作物モニタリングは研究センターの主要な目的の1つになっている。
LiDARやステレオカメラのような高性能センサーは伝統的にこの目的に用いられてきたが、高価であることが多い。
本研究は単眼カメラを用いたVisual-SLAMシステムを提案する。これは、温室におけるトマト作物のマッピングなど、農業用途に適した費用対効果が著しく高い。
試験はAgroconnect実験用温室にある本物のトマトの束で行われた。
ROS 2 Humbleノードは、これらの作物の画像を取得するためにロボット上で動くように開発され、オフラインで処理するために保存された。
温室における作物の3次元マップ化モデルを生成するため,構造From-Motionに基づくGLOMAPマッパーを階層的局所化ツールボックスに統合した。
この初期マッピングは、成長パターンを分析し、農業管理を最適化する、より高度なアルゴリズムの基盤となっている。
このシステムは、まずグローバル検索を行い、まず位置仮説を生成し、次に同定された候補領域内の局所的特徴を組み合わせる。
その結果,古典的視覚技術では利用できないトマトを正しく特徴付け,トマトクラスタの正確な同定が得られた。
再建した3Dモデルでは,果肉の大きさ,中心位置,配向を手動で測定し,低コストな単分子パイプラインの幾何的精度を確認した。
関連論文リスト
- CGMap: A Geospatially Aware Deep Learning Framework for Crop Gap Mapping Using UAV [4.008926457997624]
インドでは、作物の発芽は主に視覚検査と手動計数によって監視されている。
本稿では,物体検出法とドローン画像を用いた深層学習に基づくパイプラインで,現場でのサトウキビ発芽の正確な数を評価する。
論文 参考訳（メタデータ） (2026-07-21T07:01:01Z) - Geodiffussr: Generative Terrain Texturing with Elevation Fidelity [48.82552523546255]
テキスト誘導テクスチャマップを合成するフローマッチングパイプラインであるGeodiffussrを紹介する。
マルチスケールコンテンツアグリゲーション(MCA): DEM機能は、複数の解像度でUNetブロックに注入され、グローバルからローカライズされた高度の一貫性が強制される。
Geodiffussrを訓練し,評価するために,SRTM由来のDEMとSentinel-2画像と視覚接地型自然出現キャプションを組み合わせた三重項のグローバル分布,バイオメ-および気候成層コーパスを組み立てた。
論文 参考訳（メタデータ） (2025-11-28T09:52:44Z) - GeoVista: Web-Augmented Agentic Visual Reasoning for Geolocalization [53.080882980294795]
エージェント視覚推論に関する最近の研究は、深いマルチモーダル理解を可能にするが、主に画像操作ツールに焦点を当てている。
そこで本研究では,視覚的グラウンディングだけでなく,仮説の検証や修正のためにWeb検索も必要とするジオローカライゼーションタスクを再考する。
既存のジオローカライゼーションベンチマークは、高解像度画像の必要性と深部エージェント推論の局所化課題を満たすことができないため、GeoBenchをキュレートする。
推論ループ内にツールの実行をシームレスに統合するエージェントモデルであるGeoVistaを提案し,興味のある領域を拡大するイメージズームインツールと関連する領域を検索するWeb検索ツールを提案する。
論文 参考訳（メタデータ） (2025-11-19T18:59:22Z) - Object-Centric 3D Gaussian Splatting for Strawberry Plant Reconstruction and Phenotyping [21.752518657362888]
ストロベリーはアメリカ合衆国で最も経済的に重要な果物であり、年間20億ドル以上のファームゲート販売を生み出している。
伝統的な植物表現法は、時間がかかり、労働集約的であり、しばしば破壊的である。
本稿では,前処理パイプラインを組み込んだオブジェクト中心の3次元再構成フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-04T02:55:46Z) - TomatoDIFF: On-plant Tomato Segmentation with Denoising Diffusion Models [3.597418929000278]
TomatoDIFFは植物のトマトのセマンティックセグメンテーションのための新しい拡散モデルである。
トマトピアは温室トマトの新しい、大きくて挑戦的なデータセットである。
論文 参考訳（メタデータ） (2023-07-03T14:43:40Z) - Look how they have grown: Non-destructive Leaf Detection and Size
Estimation of Tomato Plants for 3D Growth Monitoring [4.303287713669109]
本稿では,非破壊画像に基づく自動計測システムについて述べる。
Zividの3Dカメラで得られた2Dと3Dのデータを使って、トマトの3D仮想表現(デジタル双生児)を生成する。
実生トマトの総合的な試験を通じて, プラットフォームの性能を測定した。
論文 参考訳（メタデータ） (2023-04-07T12:16:10Z) - Domain Generalization for Crop Segmentation with Standardized Ensemble Knowledge Distillation [42.39035033967183]
サービスロボットは、周囲を理解し、野生のターゲットを識別するリアルタイム認識システムが必要です。
しかし、既存の方法はしばしば、新しい作物や環境条件への一般化において不足している。
本稿では,知識蒸留を用いた領域一般化手法を提案する。
論文 参考訳（メタデータ） (2023-04-03T14:28:29Z) - Detection of Tomato Ripening Stages using Yolov3-tiny [0.0]
トマトの分類と検出にはニューラルネットワークを用いたモデルを用いる。
実験の結果, カスタムデータセットにおける熟成段階の局在と分類において, f1スコアは90.0%であった。
論文 参考訳（メタデータ） (2023-02-01T00:57:58Z) - Satellite Image Based Cross-view Localization for Autonomous Vehicle [59.72040418584396]
本稿では,市販の高精細衛星画像を使用可能な地図として利用することにより,良好な精度でクロスビュー車両のローカライゼーションを実現することができることを示す。
本手法はKITTIとFord Multi-AVの季節データセットを地上ビューとして,Google Mapsを衛星ビューとして検証した。
論文 参考訳（メタデータ） (2022-07-27T13:16:39Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using
Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。
本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。
これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文 参考訳（メタデータ） (2020-12-07T16:23:13Z)
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。