复杂背景下果园视觉导航路径提取算法

摘要：

为解决果园视觉导航机器人行间自主行进和调头问题,提出了基于Mask R-CNN的导航线提取方法和基于随机采样一致性(Random sample consensus,RANSAC)算法的树行线提取方法.首先,基于Mask R-CNN模型对道路与树干进行识别,提取道路分割掩码和树干边界框坐标;其次,在生成行间导航线的基础上,采用改进RANSAC算法提取前排树行线;然后,计算树干边界框坐标点到前排行线的距离,筛选后排树干坐标点,采用最小二乘法拟合生成后排树行线;最后,通过分析前后排树行信息判断调头方向,结合本文提出的行末端距离计算与调头路径规划方法,规划车辆的调头路线.实验结果表明:在不同光照、杂草、天气环境下的6种果园场景中,模型的平均分割精度和边界框检测精度都为97.0％,导航目标点提取的平均偏差不超过5.3％,树行线检测准确率不低于87％,调头后车辆距道路中心的平均偏差为7.8 cm,可为果园环境下的视觉自主导航提供有效参考.

关键词：果园环境、导航线、树行线、改进RANSAC算法、调头

所属期刊栏目：54

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;河北省自然科学基金

在线出版日期：2023-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：197-204,252