编辑推荐：
针对传统自主移动机器人（AMR）在植被茂密果园导航失效问题，研究人员开展基于无人机（UAS）影像的果园导航地图构建研究。通过生成体素、2D 网格及拓扑地图，发现网格地图 mIoU 达 0.87-0.97，路径误差≤0.12 m，为果园机器人部署提供高效方案。
在智慧农业的发展浪潮中，果园自动化管理对自主移动机器人（AMR）的需求日益增长。然而，传统 AMR 在植被茂密的果园环境中常常遭遇 “滑铁卢”—— 高大的杂草、伸出的枝条等行间植被会严重干扰导航系统，导致路径规划失灵或定位偏差。现有的导航方法，如基于 GNSS 的 “教 - 复” 模式、同步定位与地图构建（SLAM）结合人工测绘等，不仅耗时费力，还需频繁人工干预，尤其难以应对动态变化的果园环境（例如果树缺失、枝条遮挡车道等）。如何让 AMR 在复杂果园中 “看得清路、走得对向”，成为制约智慧园艺发展的关键瓶颈。
为突破这一困境，德国莱布尼茨农业技术与生物经济研究所（Leibniz-Institut für Agrartechnik und Bio?konomie）的研究团队开展了一项创新性研究，相关成果发表在《Computers and Electronics in Agriculture》。研究团队探索利用无人机（UAS）获取的航空影像数据，构建适用于复杂果园环境的导航地图，旨在解决传统方法在植被密集或果树分布不均场景下的失效问题，提升 AMR 导航的鲁棒性与易用性。
关键技术方法
研究采用多步骤技术流程实现果园地图构建：
- 数据采集与点云重建：使用 DJI Matrice 300 RTK 无人机搭载 LiDAR 与相机组合，对德国勃兰登堡州的苹果园（含缺失植株）和混合莓果园（强植被覆盖）进行多视角（ nadir 与 oblique）飞行，获取高分辨率影像（地面采样距离 5.3-7.1 mm），结合 RTK-GNSS 测量的地面控制点（GCP），通过摄影测量软件 Metashape 生成 3D 点云。
- 网格地图生成：利用布料模拟滤波算法（Cloth Simulation Filter）分割点云为地面与非地面点，经栅格化生成 0.05 m 分辨率的 2D 占用网格地图（Occupancy Grid Map）。
- 结构地图与拓扑图构建：通过霍夫变换（Hough Transform）对齐行向，采用多尺度矩形核的二维互相关运算平滑障碍物、闭合间隙，生成增强行结构的结构地图（Structure Map）；进一步通过距离变换、形态学细化生成 Voronoi 图，转化为图结构后利用 Dijkstra 算法实现路径规划。
研究结果
3.1 点云重建精度
苹果园检查点的三维均方根误差（RMSE）≤18 mm，莓果园因仅采集天底影像且面积较大，误差较高（XY 误差 187 mm），但点云与 LiDAR 参考数据的平均距离为 105±194 mm，表明重建结果具备较高可靠性。
3.2 网格地图性能
与手动标注的正射影像相比，网格地图在莓果园和苹果园的平均交并比（mIoU）分别为 0.87 和 0.97，准确率（acc.）达 0.91-0.98，显示出对 drivable 与 non-drivable 区域的有效区分，仅在作物边缘存在少量误判。
3.3 结构地图效果
莓果园的作物行检测率达 100%，苹果园因存在无树区域，检测率为 54%。结构地图通过闭合间隙、增强行结构，显著提升了全局路径规划的效率，尽管在稀疏区域表现有限，但生成的路径平均绝对误差（MAE）≤0.12 m，均在 3D 重建误差范围内。
3.4 路径规划评估
随机生成路径的相对碰撞面积比（rAoC）显示，苹果园在工具宽度 2.5 m 时 rAoC 为 0%，莓果园在 1.5 m 时 rAoC 为 2.96%，表明路径规划在多数场景下可实现低碰撞风险，且与基于 GNSS 的参考路径误差相当。
结论与意义
本研究首次证明，利用 UAS 影像构建的多层级地图（体素地图、网格地图、结构地图、拓扑地图）可有效解决传统 AMR 在复杂果园的导航难题。核心创新点包括：
- 跨作物通用性：无需依赖特定作物几何特征，通过调整行宽与车道参数，可适配苹果、莓类等多种果园。
- 抗干扰鲁棒性：在强植被覆盖、植株缺失等场景下，结构地图能维持行结构完整性，路径误差优于现有机器学习方法（如 U-Net 语义分割）。
- 高效性：处理 1.6 公顷莓果园数据仅需 2 分 41 秒，满足实时或按需建图需求，且无需深度学习模型训练，大幅降低部署成本。
研究为 “机器人即服务”（RaaS）在智慧园艺中的应用奠定了基础，通过 UAS 与 AMR 的协同，显著减少人工测绘成本，提升机器人在动态农业环境中的适应性。未来可进一步结合深度学习语义分割与点云分析，优化稀疏区域的地图构建，并拓展至丘陵或葡萄园等复杂地形。该成果不仅推动农业机器人技术的实用化进程，也为跨领域（如林业、仓储）的移动机器人导航提供了新思路。
