基于低空无人机遥感与改进LS-YOLO的果园冠层检测及无人车三维导航路径生成方法

本文提出一种融合低空无人机（UAV）遥感、改进轻量级LS-YOLO目标检测算法与多尺度滑动窗口融合的新工作流，用于为果园无人地面车辆（UGV）生成精确三维导航路径。改进算法通过引入FEM、DWConv和FasterNeXt模块，显著提升检测精度（P提升1.7%，mAP50、mAP75和mAP50-95分别提升1.2%、2.07%和1.1%），最终路径经纬度误差仅9.89厘米，为复杂地形下农业UGV安全自主作业提供了可靠解决方案。

　　

亮点

总而言之，用于农业无人地面车辆（UGV）自主导航的方法目前缺乏能够生成包含三维（3D）信息的可靠且安全的全局路径的能力。对于果树导航而言，生成的路径应避开果树主体，并沿着树间路径行进。通过结合低空无人机（UAV）遥感信息，可以实现农业无人地面车辆（UDV）的三维路径规划。本研究提出了一种基于...

概述

所提出的工作流程包括六个步骤，如图1所示。首先，通过无人机采集果园地块的遥感数据。其次，将获取的数据转换为数字表面模型（DSM）和真正射影像图（TDOM）格式。第三，构建算法训练数据集。第四，应用多尺度融合滑动窗口算法和改进的目标检测算法来检测大范围果园区域的树冠。第五，通过...

结果与讨论

所提出的方法通过一系列实验进行了验证，包括果树冠层检测性能评估、改进算法的消融研究、与基线模型的比较以及多尺度融合和全局路径规划有效性的评估。此外，还进行了与先前研究的全面比较，以强调所实现的方法学进展和性能提升。

优势与局限性

本研究提出了一种新颖的低空遥感导航路径提取方法，结合改进的LS-YOLO冠层识别算法和多尺度滑动窗口融合方法，从无人机捕获的大尺度图像中提取可操作信息。这些信息使得能够为自主车辆生成导航任务，以执行自动化农业操作。当前常用的导航方法包括同步定位与地图构建（SLAM）导航、实时多传感器...

结论

本研究引入了一种多尺度融合滑动窗口方法来处理大尺度图像，结合增强的LS-YOLO算法进行果园冠层检测，利用无人机获取的数据准确预测冠层中心点、导航点以及全面的三维路径。通过使用无人机取代传统的人工标记方法来获取经纬度，该方法能够自动生成包含纬度、经度和高程信息的3D导航路径...