典型的地中海温室的多式移动机器人数据集:GREENBOT数据集

科学领域:

• 机器人和自动化机器人与自动化
• 农业技术 农业技术
• 计算机视觉 计算机视觉

背景情况:

• 精确的定位在温室等农业环境中至关重要,但由于结构干扰和密集的作物,全球导航卫星系统 (GNSS) 信号可能不可靠.
• 现有的数据集往往不能充分反映室内农业环境中存在的复杂感官挑战.

研究的目的:

• 引入一套专门针对农业环境,特别是温室的独特挑战而策划的新型数据集.
• 促进在室内农业场景中开发和测试同时定位和映射 (SLAM) 算法.
• 为了使精准农业和机器人操作等应用程序能够创建详细的3D植物模型.

主要方法:

• 一个配备标准移动机器人传感器的移动机器人平台在一个含有番茄作物的地中海温室内收集数据.
• 该数据集在所有温室走廊上捕获传感器数据,模拟现实世界的操作条件.
• 最先进的SLAM算法应用于数据集,以评估其适用于本地化和映射任务的适用性.

主要成果:

• 该数据集为在具有挑战性的温室环境中开发和评估SLAM算法提供了独特的资源.
• 最初的测试表明,使用数据集来评估当前SLAM技术的性能是可行的.
• 收集的数据支持构建详细的3D植物模型,这对于先进的农业应用至关重要.

结论:

• 这一数据集对农业机器人技术做出了重大贡献,为SLAM在温室中的研究提供了一个基准.
• 它为开发自主系统开辟了新的途径,用于诸如机器人喷和作物监测等任务.
• 该数据集在线可用,将加速精准农业和室内农业技术的创新.