BOSfM: Uma Estrutura de Planejamento de Visão para Reconstrução 3D Ótima de Cenários Agrícolas

A visão ativa (AV) tem estado em destaque na pesquisa em robótica devido à sua emergência em inúmeras aplicações, incluindo tarefas agrícolas como monitoramento preciso de culturas e colheita autônoma, para citar algumas. Um problema principal de AV que ganhou popularidade é a reconstrução 3D de ambientes-alvo usando imagens 2D de diferentes pontos de vista. Embora coletar e processar um grande número de imagens 2D capturadas aleatoriamente possa ser árduo em muitos cenários práticos, uma solução mais eficiente envolve otimizar a colocação das câmeras disponíveis no espaço 3D para capturar menos imagens, mas mais informativas, que fornecem informações visuais suficientes para a reconstrução eficaz do ambiente de interesse. Esse processo, denominado planejamento de visão (VP), pode ser significativamente desafiado (i) pelo ruído que emerge na localização das câmeras e/ou nas imagens extraídas, e (ii) pela necessidade de generalizar bem em outros ambientes agrícolas desconhecidos semelhantes sem necessidade de reotimização ou re-treinamento. Para lidar com esses desafios, o presente trabalho apresenta uma nova estrutura de VP que considera uma formulação de otimização baseada na qualidade da reconstrução que se baseia na noção de 'estrutura a partir do movimento' para reconstruir a estrutura 3D do ambiente buscado a partir das imagens 2D selecionadas. Sem uma expressão analítica da função de otimização e com avaliações de função custosas, uma abordagem de otimização bayesiana é proposta para realizar eficientemente o processo de VP usando apenas algumas avaliações de função, enquanto leva em conta diferentes casos de ruído. Testes numéricos em cenários agrícolas simulados e reais significam os benefícios da abordagem VP proposta em estimar eficientemente a colocação ótima da câmera para reconstruir com precisão ambientes 3D de interesse e generalizar bem em ambientes desconhecidos semelhantes.