Nov, 2023

使用深度关键点检测和点云进行番茄果梗节点的三维姿态估计

PDF
TL;DR通过使用 RGB-D 相机数据，本文提出了一种基于关键点检测的方法，用于估计植物叶梗节点的三维姿态，为收获番茄束提供了必要的信息。该方法在商业温室中进行了全面评估，结果表明在物体检测、关键点检测和三维姿态估计方面具有高准确性。此外，该方法对视角变化具有鲁棒性，适用于番茄等其他温室作物。
greenhouse productionrobotsspatial informationkeypoint detection3d pose estimation
发现论文，激发创造
  • 语义感知主动视觉有效搜索和检测相关植物部位

    提出了一种基于语义信息的主动视觉策略，可用于自动收割和除叶番茄作物中的植物部件识别，该策略具有优异的准确性和鲁棒性。

    Jun, 2023

  • 通过几何感知学习实现机器采摘荔枝的准确切割点估计

    通过多视图拼接，使用微软的 Azure Kinect DK TOF 相机获取天然环境中的荔枝采摘点云数据，采用 Fcaf3d-lychee 网络模型结合抽取 - 激励模块对荔枝采摘点进行精确定位，取得令人印象深刻的 88.57% 的 F1 分数，并在实际荔枝林环境中实现高精度的三维位置检测，定位误差在所有方向上均在 1.5 厘米以内，展示出模型的鲁棒性和通用性。

    Mar, 2024

  • 基于关键点的草莓姿态估计用于机器人采摘

    选择性机器人采摘是解决现代农业劳动力短缺的一种有希望的技术解决方案，本文介绍了一种基于关键点的水果方向估计方法，可以直接从 2D 图像中预测 3D 方向，并在两个不同的草莓图像数据集上实现了与先前工作相比误差降低约 30％的最先进性能，适用于实时机器人应用。

    Oct, 2023

  • 使用完全卷积几何特征和隐式姿态编码从点云中进行蘑菇分割和 3D 姿态估计

    发展深度学习方法以在三维数据中对蘑菇进行分割并估算其姿态，通过合成数据集解决标注问题，并通过验证和定性结果证明提出的方法的有效性。

    Apr, 2024

  • 基于语义关键点的六自由度物体位姿估计

    本文提出了一种新的方法，使用卷积网络 (ConvNet) 预测语义关键点结合可变形形状模型，从单张 RGB 图像中估计物体的连续六自由度 (6-DoF) 姿态 (三维平移和旋转)，可以应用于基于实例和类别的姿态恢复，且无论是纹理还是无纹理对象均可。实验结果表明，该方法可在杂乱背景下准确地恢复实例和类别物体的 6-DoF 姿态，并在大规模 PASCAL3D+ 数据集上显示出最先进的精度。

    Mar, 2017

  • Eff-3DPSeg: 利用注释高效的点云实现 3D 器官级植物枝杈分割

    提出了一种基于弱监督学习的 3D 植物幼芽分割框架 Eff-3DPSeg，该框架使用深度学习和点云技术，可以在有限标注点的情况下官能植物器官实现高质量的分段，为植物育种提供了一种有效的方法。

    Dec, 2022

  • PVN3D：一种深度点间 3D 关键点投票网络用于 6DoF 姿态估计

    本文提出了一种基于数据驱动的方法，使用关键点检测和 Hough 投票网络，实现了从单个 RGBD 图像稳健地估算 6DoF 物体姿态，并在多个基准测试中表现出色。

    Nov, 2019

  • 番茄植株非破坏性叶片检测和尺寸估计，用于三维生长监测

    本文介绍了一种基于图像的非破坏性自动测量系统，利用 2D 和 3D 数据创造了番茄植物的 3D 虚拟表示，并将叶子检测到相应的 2D RGB 图像上，通过平面配合算法提取出叶子大小提供生长监测数据。该测量系统的性能已得到实测，并开源了数据集。提出的叶片大小估算方法表现出 4.47mm 的 RMSE 值和 0.87 的 R ^ 2 值。

    Apr, 2023

  • 基于视觉的番茄尺寸测量系统在室内大棚种植环境中的应用

    本文提出了一种结合机器学习模型和三个低成本 RGBD 相机捕捉深度图像的大小测量方法，以便检测和测量西红柿的高度和宽度，以解决现有视觉系统在农业环境中的遮挡和可扩展性问题。在实验室环境的测试中，该系统能够实现 0.9114 的高度测量精度和 0.9443 的宽度精度以提高测量准确度。

    Apr, 2023

  • 通过自适应数据采集和基于 NeREF 的反射校正生成高质量的三维植物表型数据以促进高效植物表型研究

    该研究提出了一种使用多传感器机器人平台的高质量 3D 多光谱点云（3D-MPC）的方法，其中包括自适应数据采集和反射率校正，以便在自然光条件下为植物进行表型分析。

    May, 2023