基于U-Net网络的果园视觉导航路径识别方法

摘要：

针对视觉导航系统在果园环境中面临的图像背景复杂、干扰因素多等问题,提出了一种基于U-Net网络的果园视觉导航路径识别方法.使用Labelme对采集图像中的道路信息进行标注,制作果园数据集;基于U-Net语义分割算法,在数据增强的基础上对全卷积神经网络进行训练,得到道路分割模型;根据生成的道路分割掩码进行导航信息提取,生成路径拟合中点;基于样条曲线拟合原理对拟合中点进行多段三次B样条曲线拟合,完成导航路径的识别;最后,进行了实验验证.结果表明,临界阈值为0.4时,语义分割模型在弱光、普通光以及强光照条件下的分割交并比分别为89.52％、86.45％、86.16％,能够平稳实现果园道路像素级分割;边缘信息提取与路径识别方法可适应不同视角下的道路掩码形状,得到较为平顺的导航路径;在不同光照和视角条件下,平均像素误差为9.5像素,平均距离误差为0.044 m,已知所在果园道路宽度约为3.1 m,平均距离误差占比为1.4％;果园履带底盘正常行驶速度一般在0～1.4 m/s之间,单幅图像平均处理时间为0.154 s.在当前果园环境和硬件配置下,本研究可为视觉导航任务提供有效参考.

关键词：果园环境、视觉导航、语义分割、导航路径识别、样条曲线拟合

所属期刊栏目：52

分类号：TP242.6;V249.32(自动化技术及设备)

资助基金：国家重点研发计划项目;广东省重点领域研发计划项目

在线出版日期：2021-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：30-39