← 返回论文列表

基于车载拖拉机传感器的实时草条检测用于自动跟随
Real-time windrow detection from onboard tractor sensors for automated following

作者: Lorenz Gunreben, Nico Heider, Sebastian Zürner 等5人
arXiv: 2604.24628v1
分类: cs.RO
📝 论文摘要
商用草条检测系统中的专有设计限制了透明度，并阻碍了开放式自主牧草收割研究的进展。我们提出了一种多模态数据集，结合了拖拉机搭载传感器在实际打捆作业中采集的立体视觉与激光雷达数据。该数据集包含同步传感器数据及GNSS轨迹，部分数据以ROS2 Humble bag格式发布在Zenodo上，其他数据可根据需求提供。利用该数据集，我们在NVIDIA Jetson AGX Orin上实现了一种实时（>20 Hz）的基于质心的草条跟随方法。在关键的4-10米引导范围内，立体视觉与激光雷达的深度测量结果高度一致（0.965 ± 0.021），表明低成本立体传感器可接近激光雷达的性能表现。我们的开源ROS2流水线为无GPS草条检测提供了可复现的基准，并支持开发实用的自主牧草收割系统。数据集：https://zenodo.org/records/17486318

📊 核心分析

🎯 研究动机
- 商业**草垄检测(windrow-detection)**系统的专有设计限制了技术透明度和开放性，阻碍了**自主饲料收获(autonomous forage-harvesting)**领域的研究进展 - 现有方法缺乏公开的多模态数据集和可复现的基准测试，难以实现**无GPS(Global Positioning System)**环境下的实时草垄跟随
🔧 核心方法
- 构建了一个**多模态数据集(multi-modal dataset)**，包含从拖拉机传感器（**立体视觉(stereo vision)**和**LiDAR**）采集的同步数据，并附带**GNSS(Global Navigation Satellite System)**轨迹，部分以**ROS2 Humble**格式发布 - 在**NVIDIA Jetson AGX Orin**上实现了一种**基于质心(centroid-based)**的草垄跟随方法，运行速度大于20 Hz，利用立体和LiDAR深度测量在4-10米引导范围内进行融合
💡 核心创新
- **首次**在真实打捆操作中公开了**多模态传感器数据(multi-modal sensor data)**（立体+LiDAR），并验证了低成本立体传感器在关键距离内可接近LiDAR性能（**深度一致性0.965**） - 提供了一套**开源的ROS 2**流水线，实现了**实时(>20Hz)**、**无GPS**的草垄检测与跟随，为后续研究提供了可复现的基准
🏆 总体贡献
- 为**自主饲料收获(autonomous forage-harvesting)**领域提供了首个公开的多模态数据集和开源基准，打破了商业专有设计的壁垒 - 证明了低成本立体视觉在现实作业条件下可替代LiDAR进行草垄跟随，推动实用化低成本方案的落地 - 通过标准化ROS 2流水线和数据集发布，促进了该方向的可复现研究与社区协作