基于LiDAR和相机融合技术的玉米叶和茎识别和测距技术的研究
Xueting Hu1, Xiao Zhang1, Xi Chen1
1Mechanical Engineering Training Centre, College of Engineering, China Agricultural University, Beijing 100083, China.
Sensors (Basel, Switzerland)
|August 29, 2024
概括
这项研究引入了一种新的多传感器融合算法,用于精确识别和测距玉米叶和茎. 这项技术增强了农业机器人的导航和在玉米田中的数据收集.
科学领域:
- 农业机器人农业机器人
- 计算机视觉 计算机视觉
- 传感器融合式传感器
背景情况:
- 高精度导航对于玉米田中的农业机器人至关重要.
- 精确的识别和范围的玉米叶和茎是有效的机器人导航的先决条件.
- 由于叶子形态和现场照明的变化,现有的方法面临挑战.
研究的目的:
- 开发一个强大的多传感器融合算法,用于玉米叶和茎的识别和测距.
- 提高农业机器人的识别和距离测量的准确性和完整性.
- 确保在玉米田中稳定高效的机器人操作.
主要方法:
- 使用YOLOv8进行初始玉米叶和茎检测.
- 实现了一个同等距离的扩展多边形算法,用于后处理叶子识别,提高完整性.
- 合并的LiDAR和深度摄像头点云使用IMU数据进行准确的距离测量,平均误差为2.9厘米.
- 采用FILL-DBSCAN算法用于茎点云处理和集群.
主要成果:
- 在后处理后,实现了平均86.4%的叶子识别完整性.
- 证明了高精度的测距精度,玉米叶的平均误差为2.9厘米.
- 成功识别并测量到各个玉米茎的距离.
结论:
- 拟议的多传感器融合算法有效地整合了识别和距离精度.
- 这种方法满足了机器人导航和玉米田的表型测量需求.
- 在动态的玉米田环境中确保农业机器人的可靠和高效的性能.


