农业车辆双目视觉障碍物感知系统设计与试验

摘要：

为保证智能化农业机械在自主导航过程中的安全可靠性,该研究将嵌入式AI计算机Jetson TX2作为运算核心,设计一套基于双目视觉的农业机械障碍物感知系统.使用深度卷积神经网络对作业环境中的障碍物进行识别,并提出一种基于改进YOLOv3的深度估计方法.将双目相机抓取的左右图像分别输入至改进的YOLOv3模型中进行障碍物检测,并将输出的目标检测框信息进行目标匹配和视差计算,完成对障碍物的识别、定位和深度估计.试验结果表明,该系统能够对障碍物进行准确识别,平均准确率和召回率分别达到89.54％和90.18％;改进YOLOv3模型的深度估计误差均值、误差比均值较原始YOLOv3模型分别降低25.69％、25.65％,比Hog+SVM方法分别降低41.9％、41.73％;动态场景下系统对障碍物深度估计的平均误差比为4.66％,平均耗时0.573 s,系统在深度预警时能够及时开启电控液压转向模块进行安全避障.研究结果可为农业机械的自主导航提供有效的环境感知依据.

关键词：农业机械;图像处理;障碍物感知;深度估计;视差计算

所属期刊栏目：37

分类号：S24(农业电气化与自动化)

资助基金：国家自然科学基金项目41774027,41904022

在线出版日期：2021-08-09（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：55-63