植物の葉を正確にモデル化することは、植物の成長監視や収穫量推定のための表現型評価といった後続タスクの基礎となります。大規模な圃場展開を想定した自律ロボットによる再構成では、ロボットの計画予算と計算リソースの制限に対処しながら、葉面再構成のための視点ユーティリティを最適化する必要があります。既存のアプローチは、剛体物体、点群カバレッジ、または植物再構成に焦点を当てていますが、システム制限に十分に対処したり、タスク駆動型点群ユーティリティを活用したりしていません。 本研究では、移動制約下での葉面再構成に向けた次善視点（NBV）計画を検討しています。研究チームは、既存の点群の重心を基準とした観測点の空間分布を測定し、視点ユーティリティを計算する新規な重心ベース情報ゲイン（CIG）関数を開発しました。さらに、将来の視点を考慮する後退地平線変種も開発しています。 ベンチマーク評価にはLAST-STRAW公開データセットを使用し、異なる成長段階のイチゴ植物の点群を含み、可視性ベース情報ゲインアプローチを用いる注意駆動型NBVと比較しました。提案する後退地平線アプローチは、複数の成長段階において表面再構成誤差を一貫して削減し、特に葉間オクルージョンが増加する条件下で幾何学的忠実度を向上させます。結果は、本アプローチがベースライン比で最大10パーセントまで表面再構成誤差を削減し、再構成精度を向上させる視点を訪問できることを実証しています。