果园中机器人自主导航的一种新型映射和导航框架
摘要：果园点云全局地图中的目标检测是将果园中的物体类型分类的基本任务，用于统计果园的整体情况，并为农业车辆的无人驾驶规划提供必要信息。为了将标准化果园的点云全局地图中的果树和地面进行划分，并为自然果园环境下自主车辆的路径规划提供果园的整体信息，提出了一种基于Yolo-V7网络的果树检测方法。该方法可以有效地从多传感器融合的雷达点云中检测出果树目标，将点云地图的3D点云信息降维为2D，以适应Yolo-V7网络检测图中的果树点云，并将预测结果投影到点云地图中。通常，基于PointNet的目标检测网络存在速度慢和计算负载大的问题。本文提出的方法速度快、计算负载低，适合在移动机器人中部署使用。实验结果显示，该方法在果园果树检测中的召回率和准确率分别为0.4和0.696，其权重和推理时间分别为7.4 M和28 ms。实验结果表明，该方法能够实现果园果树实时检测的稳健性和效率。
作者：Yaoqiang Pan, Hao Cao, Kewei Hu, Hanwen Kang, Xing Wang
论文ID：2308.16748
分类：Robotics
分类简称：cs.RO
提交时间：2023-09-01