通过视觉里程计结合多个视角创建葡萄藤的分段点云
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对葡萄藤冬季修剪这一需要高技能、高重复性的劳动密集型任务，提出了一种基于计算机视觉的解决方案。通过使用detectron2进行分割网络，并结合关键点视觉里程计，将不同观测合并为单一的点云，以辅助做出更为精准的修剪决策。研究显示，该方法有望提升对修剪点的检测准确性，减少对人工训练的依赖。
该研究使用Segment Anything Model (SAM)对葡萄簇图像进行对象分割，生成了超过150,000个葡萄浆果掩码。SAM在2D簇图像中识别个体浆果的准确性高。簇图像拍摄角度对浆果计数和架构有重要影响，提出了计算与簇架构和紧密度相关的复杂特征的方法。讨论了将SAM整合到葡萄园图像处理流程中的潜力。
