Un equipo de investigación propone reconstruir en tres dimensiones un racimo de tomates para localizar frutos que no se ven completos desde una sola posición. El planteamiento utiliza imágenes de una cámara monocular y herramientas de localización visual, con la futura recolección robotizada como contexto de aplicación.
Fernando Cañadas-Aránega, José C. Moreno, José L. Blanco-Claraco y Francisco Rodríguez presentaron el trabajo en arXiv el 10 de septiembre. La evaluación utiliza un racimo real del invernadero experimental Agroconnect. El resultado estudiado es la percepción geométrica del cultivo, no una demostración de un robot que recoja tomates de forma autónoma.
Reunir distintas vistas
Las hojas y los propios frutos pueden ocultar partes de un racimo. Una imagen aislada ofrece información incompleta: cambiar el punto de vista permite observar superficies que antes estaban tapadas. La propuesta combina esas observaciones para construir una representación tridimensional. Antes de cosechar, toca resolver el pequeño inconveniente de que las hojas no posan para la cámara.
Los investigadores capturan imágenes mediante una plataforma robótica y ROS 2 Humble. Después las procesan con GLOMAP, una herramienta de reconstrucción a partir de múltiples vistas, y Hierarchical Localization, que ayuda a relacionar y localizar imágenes mediante características visuales.
El título del manuscrito se refiere a Visual-SLAM, pero el procedimiento evaluado incluye procesamiento fuera de línea. La captura de imágenes y la reconstrucción no deben confundirse con un sistema completo de navegación y cosecha que ya funcione en tiempo real.
Comparar el modelo con el racimo
Para evaluar la reconstrucción, los autores contrastan dimensiones y propiedades geométricas del modelo con mediciones manuales de los frutos. Entre los aspectos considerados están la posición del centro y la orientación. Esa comparación permite estudiar si la representación conserva información útil sobre el objeto físico.
El uso de una sola cámara es parte del interés del enfoque, aunque por sí mismo no acredita un ahorro total de instalación ni un rendimiento superior a cualquier sensor alternativo. También hacen falta movimiento, imágenes adecuadas y procesamiento para producir el modelo.
El estudio aborda la detección de frutos parcialmente ocultos a partir de observaciones desde distintas posiciones. No implica que una cámara vea a través de una hoja ni que pueda reconstruir con fiabilidad cualquier tomate totalmente ausente de las imágenes.
La publicación es una prepublicación en arXiv y su alcance experimental es limitado. Para trasladar esta percepción a una cosecha autónoma quedarían por integrar y evaluar decisiones de acercamiento, agarre y extracción, además del funcionamiento en condiciones variadas. El avance documentado se encuentra en construir y comprobar una representación del racimo que pueda servir a esos pasos posteriores.