LiDAR-Visual-Inertial 오도메트리 기반 과실 지도 작성 및 수확량 측정 (Crop Mapping and Yield Estimation with LiDAR-Visual-Inertial Odometry)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 34권 / 2호 / 135 ~ 141페이지
· 저자명 : 박대성, 고광은, 강재현

초록

노지 농업 환경 내 작물 재배 과정은 작업자의 노동 강도가 높아 로봇을 사용한 노동 강도개선 및 작업 효율성 향상이 필요하다. 하지만 노지 농업 환경에 로봇을 적용하는 것에는 몇가지 어려움이 따른다. 노지 농업 환경은 작물을 촘촘히 심어놓아 로봇의 인식 영역이 제한된다. 또한 작물의 크기와 형상, 맺히는 방향, 개수 등이 일정하지 않은 비정형 특성이 있어환경 정보 인식이 어렵다. 본 논문에서는 환경 인식의 어려움이 있는 노지 환경을 대상으로영상 기반 과실 인식 기술과 LiDAR-Visual-Inertial 오도메트리 기술을 융합하여 과실 탐지 및과수 지도 생성 시스템을 제안한다. 먼저 카메라에서 얻은 영상에 YOLOv5 Segmentation을적용하여 과실 인식을 수행한다. 다음으로 과실 인식 결과를 R3LIVE 오도메트리 알고리즘과 연동한다. 이를 통해 본 논문에서 제안하는 기술은 작업 환경 내 과실 정보를 포함하는지도를 작성하며 동시에 로봇의 위치를 추정한다. 그리고 완성된 지도에서 RANSAC 기반클러스터링을 사용하여 과실량을 파악하였다. 실제 노지 과수 환경에서 수행한 실험 결과는제안 방법이 전체 과실 중 70% 이상의 과실을 인식할 수 있고, 이 과정이 실시간으로 수행될 수 있음을 확인한다. 본 논문에서 제안한 과수 지도 생성 시스템이 인식한 정보를 바탕으로 환경 인식이 어려운 노지 농업 환경에서도 과실 수확과 주행 등의 로봇 기술이 개발되어농업 생산성 향상이 가능할 것으로 기대한다

영어초록

In an open-field agriculture environment, crop cultivation involves high labor intensity for workers, necessitating improvements through robotic assistance for reduced labor and enhanced efficiency. However, several challenges arise in applyingrobots in such settings. The open-field agriculture environment, with its denselyplanted crops, limits the perception area of robots. Furthermore, the irregular characteristics of crops, such as varying sizes, shapes, growth directions, and quantities,complicate environmental information perception. This paper proposes a crop recognition and mapping system targeting open-field environments with these perceptionchallenges. Our system integrates an image-based crop recognition method withLiDAR-Visual-Inertial odometry in open-field orchard environments. Initially,YOLOv5 Segmentation is applied to images obtained from the camera for croprecognition. Subsequently, the crop recognition results are linked with the R3LIVEodometry algorithm. Through this, the proposed method in this paper constructs amap containing crop information within the working environment and simultaneously estimates the position of the robot. Based on the constructed crop map, wealso assess the fruit yield using RANSAC-based clustering. Experimental results innatural open-field environments confirm that the proposed method can recognizeover 70% of the total crops in real-time. With its capability to accurately recognizeinformation, the proposed crop mapping system is expected to accelerate the development of advanced robotic technologies, including crop harvesting and navigationin challenging open-field environments. This innovation has the potential to boostagricultural productivity significantly.

참고자료

· 없음