VinePT-Map: ブドウ園における自律ロボットのための頑健な支柱・幹セマンティックマッピング

Vineyard における自律ロボットの長期運用を目的とした semantic mapping framework「VinePT-Map」を提案。Vine の trunk と support pole を persistent structural landmark として利用し、season-agnostic な localization を可能にする。mapping 問題を factor graph として定式化し、GPS・IMU・RGB-D 観測を vineyard 構造に基づく robust な幾何制約で統合する。instance segmentation と tracking に基づく効率的な perception pipeline と、outlier rejection および pose refinement のための clustering filter を組み合わせ、低コストセンサとオンボード計算で landmark を高精度に検出する。

従来の feature-based localization and mapping は、vineyard の反復的な row 構造や phenological stage 間の大きな視覚変化により、perceptual aliasing や季節変動に弱い。VinePT-Map は vine trunk と support pole を季節を通じて持続する landmark として活用することで、season-agnostic かつ resilient な localization を実現する点が異なる。また、低コストセンサとオンボード計算で動作する効率的な pipeline を備える点も先行研究と比べた利点として示されている。

mapping を factor graph として定式化し、GPS・IMU・RGB-D の観測を vineyard 構造を利用した robust な幾何制約で統合する。perception では instance segmentation と tracking を基盤とし、clustering filter による outlier rejection と pose refinement を組み合わせる。これにより低コストセンサとオンボード計算で trunk と pole を正確に検出する。

trunk と pole の segmentation および tracking のための multi-season dataset を提示し、多様な季節にわたる extensive field experiments を実施。その結果、提案手法の robustness と accuracy が示され、農業環境での長期自律運用への適合性が確認された。

要旨からは不明。

要旨で参照・比較されている研究は明示されていない。関連手法として feature-based localization and mapping、instance segmentation、tracking、factor graph optimization などが挙げられる。