[论文解读] Towards Autonomous Crop-Agnostic Visual Navigation in Arable Fields.

Alireza Ahmadi, Michael Halstead+1 more|arXiv (Cornell University)|Sep 24, 2021

Smart Agriculture and AI参考文献 23被引用 6

一句话总结

本文提出了一种无需GPS、基于视觉的自主机器人导航系统，适用于农田环境，利用车载摄像头检测作物行并实现行间切换，无需预先构建的地图或全局定位。该方法在五种不同作物田地中、光照条件多变的情况下，实现了3.82厘米的导航精度。

ABSTRACT

Autonomous navigation of a robot in agricultural fields is essential for every task from crop monitoring through to weed management and fertilizer application. Many current approaches rely on accurate GPS, however, such technology is expensive and also prone to failure~(e.g. through lack of coverage). As such, navigation through sensors that can interpret their environment (such as cameras) is important to achieve the goal of autonomy in agriculture. In this paper, we introduce a purely vision-based navigation scheme which is able to reliably guide the robot through row-crop fields. Independent of any global localization or mapping, this approach is able to accurately follow the crop-rows and switch between the rows, only using on-board cameras. With the help of a novel crop-row detection and a novel crop-row switching technique, our navigation scheme can be deployed in a wide range of fields with different canopy types in various growth stages. We have extensively tested our approach in five different fields under various illumination conditions using our agricultural robotic platform (BonnBot-I). And our evaluations show that we have achieved a navigation accuracy of 3.82cm over five different crop fields.

研究动机与目标

• 实现无需依赖GPS或预先构建地图的农田自主导航。
• 开发一种适用于不同作物类型和生长阶段的作物无关导航系统。
• 仅通过车载摄像头实现在不同光照条件下的鲁棒性能。
• 通过实时视觉感知实现精确的行跟踪和行切换。

提出的方法

• 一种新型的作物行检测技术，实时处理车载摄像头获取的图像，以识别作物行中心。
• 一种新型的作物行切换机制，使机器人能够在无需预先定位或制图的情况下实现在行间的切换。
• 系统完全依赖视觉输入，消除了对GPS或外部定位系统的依赖。
• 该方法可适应不同冠层类型和各种田间条件下的不同生长阶段。
• 该方法利用基于图像的特征提取与几何推理，估算行方向和横向位置。
• 机器人通过持续根据作物行的视觉反馈校正其轨迹，保持导航精度。

实验结果

研究问题

• RQ1 基于视觉的导航系统是否能在无GPS或先验地图的情况下，实现农田作物行的可靠自主导航？
• RQ2 仅使用摄像头的系统在不同作物类型和生长阶段下，能否实现精确的作物行跟踪与行间切换？
• RQ3 在仅使用车载摄像头的条件下，不同光照条件下可实现的导航精度水平如何？
• RQ4 该系统是否能在无需重新训练或定位基础设施的情况下，泛化应用于不同田间环境？

主要发现

• 所提出的基于视觉的导航系统在五个不同作物田地中均实现了3.82厘米的导航精度。
• 系统在不同光照条件下表现出鲁棒性能，包括直射阳光和散射光环境。
• 该方法成功实现了无需GPS或先验制图的自主行跟踪与行切换。
• 系统在不同作物类型和生长阶段下均有效运行，证实了其作物无关的特性。
• 由于不依赖GPS，该系统在信号丢失情况下更具鲁棒性，且在农业部署中更具成本效益。