[論文レビュー] Crop Height and Plot Estimation for Phenotyping from Unmanned Aerial Vehicles using 3D LiDAR

Harnaik Dhami, Kevin Yu+6 more|arXiv (Cornell University)|Oct 30, 2019

Remote Sensing and LiDAR Applications参考文献 15被引用数 26

ひとこと要約

本論文では、高スループット植物形態計測を実現するためのドローン搭載3D LiDARシステムを提案する。本システムは、現実の畑およびシミュレーション環境において、自動的な作物高さ推定と圃場検出を可能にする。ボクセルフィルタリングと点群からの99パーセンタイル高さ抽出を用いることで、実際の小麦畑において6.1 cmのRMSEを達成し、アルゴリズムベンチマーク用のシミュレーションツールチェーンを提供する。

ABSTRACT

We present techniques to measure crop heights using a 3D Light Detection and Ranging (LiDAR) sensor mounted on an Unmanned Aerial Vehicle (UAV). Knowing the height of plants is crucial to monitor their overall health and growth cycles, especially for high-throughput plant phenotyping. We present a methodology for extracting plant heights from 3D LiDAR point clouds, specifically focusing on plot-based phenotyping environments. We also present a toolchain that can be used to create phenotyping farms for use in Gazebo simulations. The tool creates a randomized farm with realistic 3D plant and terrain models. We conducted a series of simulations and hardware experiments in controlled and natural settings. Our algorithm was able to estimate the plant heights in a field with 112 plots with a root mean square error (RMSE) of 6.1 cm. This is the first such dataset for 3D LiDAR from an airborne robot over a wheat field. The developed simulation toolchain, algorithmic implementation, and datasets can be found on the GitHub repository located at https://github.com/hsd1121/PointCloudProcessing.

研究の動機と目的

• 手作業による高さ測定の作業負荷が高スループット植物形態計測のボトル neck を引き起こす問題を解決すること。
• ドローンから取得した3D LiDARデータを用いて、正確でスケーラブルかつ自動化された作物高さ推定を実現すること。
• 地形のばらつきを考慮した、リアルな仮想形態計測農場を生成するためのツールチェーンを開発すること。
• ロボット工学および農業分野の研究者にとっての参入障壁を下げるために、オープンソースのツールとデータセットを提供すること。
• 圃場のサイズや地形の平坦性に関する事前仮定なしに、植物高さを推定し、個々の圃場を検出すること。

提案手法

• ドローンを圃場上空を飛行させ、3D LiDAR点群データを収集する。
• ノイズと計算負荷の低減のため、ボクセルフィルタリングを生点群データに適用する。
• RANSACベースの平面フィッティングを用いて、地面と植物の点を区別するための地面平面推定を実施する。
• 植物点の空間的クラスタリングに基づいて、個々の圃場を検出するためのクラスタリングアルゴリズムを適用する。
• 推定された地面平面からの点群の高さの99パーセンタイル値を用いて、各圃場の作物高さを推定する。
• 3つの異なる地形タイプを含む、リアルな3D植物および地形モデルを有する仮想農場を生成するシミュレーションツールチェーンを構築する。

実験結果

リサーチクエスチョン

• RQ1 ドローン搭載3D LiDARシステムは、現実の圃場ベースの形態計測環境において、作物高さを正確に推定できるか？
• RQ2 地形のばらつきが、現実およびシミュレーション条件下での3D LiDARベースの高さ推定精度に与える影響は何か？
• RQ3 事前に圃場サイズや地面の平坦性に関する知識なしに、完全に自動化されたパイプラインが個々の圃場を検出し、植物高さを推定できるか？
• RQ4 データ前処理（例：ボクセルフィルタリング、パーセンタイル選択）が、高さ推定精度をどの程度向上させるか？
• RQ5 提案されたシミュレーションツールチェーンは、アルゴリズム検証のための現実の形態計測状況をどの程度正確に再現できるか？

主な発見

• 提案手法は、実際の畑実験において112個の小麦圃場を対象に、6.1 cmの平均二乗誤差（RMSE）を達成した。
• ボクセルフィルタリングを施した後、高さ点群の99パーセンタイル値を用いることで、生データやボクセル処理のみのケースに比べてノイズと外れ値が低減され、最も高い精度が得られた。
• シミュレーションツールチェーンは、地形の粗さが異なる3つの異なる仮想農場環境を成功裏に生成し、アルゴリズムの制御されたテストを可能にした。
• シミュレーションでは、極端な地形変動（±1 m）下でRMSEが16.0 cmに上昇した。これは、地面の不規則性が高さ推定精度に悪影響を及えることを確認した。
• 不規則な地形でも、圃場検出および高さ推定に著しい頑健性を示した。地面平面推定は、現実的および極端な状況下でも、大多数の地面点を正しく同定できた。
• データセット、シミュレーションツールチェーン、点群処理ツールのオープンソース提供により、再現可能なベンチマークとドローンベースの形態計測分野における研究の加速が可能になった。