3D-Pose-Schätzung von Erdbeeren mittels 2D-Keypoint-Erkennung und Regression

Die Erdbeerernte ist eine repetitive und arbeitsintensive Aufgabe, deren Ertrag stark von den Fähigkeiten des Bedieners abhängt. Um Arbeitskräftemangel zu begegnen, die Produktivität zu steigern und eine konsistente Erntequalität sicherzustellen, ist die Entwicklung von Ernterobotern unerlässlich. Insbesondere die Implementierung eines autonomen Erntesystems erfordert fortschrittliche Wahrnehmungstechnologie, die in der Lage ist, die Position und den Zustand der Zielfrüchte genau zu identifizieren. Einfaches Objekterkennung allein kann jedoch nicht ausreichend kinematische Informationen für die Automatisierung bereitstellen, was die Keypoint-Erkennung von Erdbeeren notwendig macht. Diese Studie schlägt eine 3D-Pose-Schätzpipeline vor, die ein auf Deep Learning basierendes Keypoint-Erkennungsmodell mit einem Mehrschicht-Perzeptron (MLP)-Regressionsmodell kombiniert, um kinematische Informationen bereitzustellen, die für Erdbeerernte-Roboter anwendbar sind. Die Zentren der Früchte, der Kelch und der Fruchtstiel wurden als Keypoints definiert, deren 2D-Positionen erkannt und entsprechende Tiefenwerte mit MLP-Regression vorhergesagt wurden. Die Leistungsbewertung umfasste den Prozentsatz korrekter Keypoints (PCK) zur 2D-Genauigkeit sowie den mittlerer Fehler der Gelenkposition (MPJPE) und PCK zur 3D-Tiefenschätzung. Die experimentellen Ergebnisse zeigten durchschnittliche 2D-Fehler mit einem mittleren PCK@5 Pixel von 77,17 %. Für die Tiefenschätzung betrug der durchschnittliche MPJPE 16,63 mm und der PCK@50 mm erreichte 91,3 %. Die vorgeschlagene Pipeline zeigte eine stabile Erkennung der Keypoint-Standorte, während die gesamte 3D-Struktur erhalten blieb, was auf ihren potenziellen Beitrag zur Entwicklung von Wahrnehmungstechnologien für die autonome Erdbeerernte hinweist.