基于二维激光雷达数据空间上下文注意力的果园工人检测

《Biosystems Engineering》：Orchard worker detection using spatial-context attention on 2D LiDAR data

　　

# 果园工人检测（OWD）模型

## 摘要

在果园中进行可靠的工人检测对于确保自主机器人在狭窄的农业通道中安全避障至关重要。尽管二维激光雷达（2D LiDAR）因低成本、节能和对环境光照的鲁棒性而在农业机器人领域颇具吸引力，但现有方法由于工人和树干在几何形状上高度相似，经常将两者错误分类，尤其是在部分遮挡的情况下。为克服这一挑战，本研究提出了一种果园工人检测（OWD）模型，将空间上下文注意力机制整合到一维卷积神经网络（1D-CNN）中，通过显式编码全局位置上下文来有效区分工人与树木。所提出的OWD模型以2D LiDAR扫描数据作为输入，首先利用精简的1D-CNN主干网络提取局部几何模式（如点密度和曲率），随后通过空间上下文注意力模块联合编码极坐标位置信息和扫描点之间的全局上下文关系，使模型能够在重复的果园行环境中可靠地将工人与结构相似的树干区分开来。所提出的OWD模型达到了0.88的平均精度（AP）、0.30的等错误率（EER）和152.9帧/秒的推理速度。结果表明，在离线评估和嵌入式推理条件下，该模型与深度学习基线模型相比具有相当的检测精度和更高的计算效率。这些发现表明该模型具有集成到自主农业机器人的潜力，但仍需进一步田间验证。

## 引言

人机协作（HRC）已成为可持续果园管理的关键要素，自主机器人执行采摘、喷药和运输任务，以应对劳动力短缺问题，同时保持稳定的作业质量（Oliveira等，2021）。果园通常包含由紧密排列的树行形成的狭窄通道，迫使工人与机器人共享受限的通行路径。如果机器人无法准确检测工人，这些条件将显著增加碰撞风险（Aby & Issa, 2023; Freitas等, 2012）。韩国最近的报告显示，52%的农业机械事故源于未能检测工人位置或情境意识不足（Kim等, 2022; Lee等, 2024）。类似的担忧也出现在其他先进农业国家，包括日本和荷兰。在日本，农业机器人的部署要求和安全评估标准已成为关键的政策优先事项（Konya & Kikuchi, 2024）。荷兰同样将有限田间空间中的碰撞风险视为机器人采用的主要制约因素（?rum等, 2023）。这些报告清楚地表明，空间限制和结构约束是农业工作场所普遍面临的挑战。因此，可靠的工人检测技术对于在受限的果园环境中安全运行机器人至关重要。

工人检测技术主要依赖于视觉传感器，包括单目RGB相机、立体相机和RGB-D相机，以及激光雷达（LiDAR）传感器。单目RGB相机提供高分辨率的视觉信息，已支持多种农场应用（Chen等, 2023; Vázquez-Arellano等, 2016）。然而，这些传感器需要额外的后处理来估计距离，因为它们无法直接测量深度（Qu等, 2025）。立体相机基于图像视差生成深度图，已在农业环境中展现出工人检测能力（Nakaguchi等, 2024; Yang & Noguchi, 2012），但存在计算需求高、标定要求复杂以及在果园中常见的重复纹理环境中性能下降的问题。RGB-D相机同时采集深度和颜色信息，但其基于红外线的深度感知在直射阳光下经常失效——这对户外农业应用来说是根本性局限（Pal等, 2024）。此外，所有基于视觉的系统在动态果园环境中的可靠性仍然容易受到快速光照变化、树冠阴影和作物遮挡等因素的影响（Zhang等, 2025; Zhao等, 2023）。

与基于视觉的方法不同，激光雷达利用飞行时间（TOF）原理工作，直接测量距离，能够在包括直射阳光和深层树冠阴影在内的挑战性果园光照条件下鲁棒运行（Jia等, 2022）。3D LiDAR系统能够实现自主农业系统所需的实时果园映射和动态障碍物检测（Na & Park, 2023）。实地评估证明了3D LiDAR的有效性，在农田和农业道路环境中报告的行人平均精度达到92.89%（Qin等, 2023）。除果园应用外，3D点云技术还应用于田间环境中的结构检测（Hu等, 2024）和精准采摘（Wang等, 2025）。然而，具有满足农业规范所需户外性能的3D LiDAR系统仍然成本过高（20,000–50,000美元），同时对重量、功耗和计算资源提出了重大限制（Fountas等, 2020; Liang等, 2024）。相比之下，2D LiDAR提供了一种实用的替代方案，成本降低10倍、功耗极低（<5W），且轻量化的外形设计适合电池供电的农业机器人（Baras等, 2019; Sarker等, 2020）。使用预定义阈值的基于规则的聚类算法（Arras等, 2012）在结构化果园中实现了超过95%的树木和工人检测准确率（Bao等, 2025）。然而，即使在结构化果园环境中，当存在季节性植被和杂乱干扰时，其性能也显著下降（Xie等, 2024）。这些固有局限推动了向深度学习方法的转变以实现更鲁棒的检测（Guerrero-Higueras等, 2019; Syed等, 2025）。

利用2D LiDAR的深度学习模型解决了基于规则的检测器中观察到的参数敏感性和鲁棒性不足问题。距离鲁棒轮椅/助行器（DROW）模型是一种1D-CNN方法，通过学习局部LiDAR扫描模式来检测室内行人（Beyer等, 2017）。深度距离空间注意力聚合模型（DR-SPAAM）通过多帧时间聚合增强检测性能，需要连续的扫描序列以实现鲁棒性能（Jia等, 2020）。虽然这些模型在城市行人检测中展现了有效性，但果园环境提出了独特的挑战：需要在动态农业作业过程中，从单次扫描中区分几何相似的物体（工人与树木）。根本性挑战在于典型的2D LiDAR扫描高度（0.5–1.0米），其中工人腿部和树干呈现难以区分的圆柱形特征，且直径相似（Mochizuki & Kiyohara, 2024）。这种模糊性因果园特有的因素而加剧，即树枝和设备造成的频繁遮挡、对姿态变化的单层敏感性以及季节性植被变化（Gao等, 2025; Stefas等, 2019）。这些特征表明，有效的区分需要建模超越局部模式的全局空间关系。虽然Transformer架构通过注意力机制在捕获全局上下文方面表现出色（Vaswani等, 2017），但其计算需求超出了电池供电农业机器人的承载能力（Yang等, 2024）。因此，存在一个研究空白：需要计算高效的2D LiDAR解决方案，在满足实用田间部署要求的同时，专门解决工人与树木的区分问题。据此，本研究提出了一种果园工人检测（OWD）模型，将空间上下文注意力机制整合到1D-CNN中。该模型旨在使用单次2D LiDAR扫描来区分工人与树干。这些物体可能表现出相似的局部距离模式，但在空间上下文上存在差异。因此，极坐标位置信息和点间全局关系可能提供互补的区分线索。研究假设为：与仅使用局部距离特征相比，整合这些空间线索将改善工人与树木的区分效果。

## 任务描述

OWD模型的主要任务是在实时农业作业中使用2D LiDAR扫描数据将工人与树干区分开来。OWD模型采用四阶段处理流水线来区分果园环境中的工人与树木（图1）。首先，原始LiDAR扫描点经过预处理以过滤操作范围内的数据（0.5–5.0米），消除远处的杂乱干扰和近处的传感器噪声。其次，精简的1D-CNN从扫描中提取局部几何特征。

### 分组件性能分析

在将所提出的方法与基线模型进行比较之前，首先评估了关键架构组件的影响，以确定OWD模型的最终配置。图7展示了不同注意力头数（2、4、8、16和32）的模型在Jetson Orin Nano嵌入式平台上运行的FPS-TPR权衡关系。16头配置在22.3 FPS下达到了80.3%的TPR，而32头配置获得了更高的TPR（92.1%）但吞吐量较低（15.2 FPS）。

## 讨论

所提出的OWD模型成功解决了本研究确定的基本问题：仅使用单次2D LiDAR数据来区分果园工人与形态相似的树干。实验结果展示了优越的性能，平均精度达到0.88，等错误率为0.30，推理速度为152.9 FPS，验证了将空间上下文注意力机制整合到精简1D-CNN架构中的有效性。

### 消融实验

消融实验进一步证实了各组件对整体性能的贡献。

## 结论

本研究成功开发了一种果园工人检测模型，解决了使用单次2D LiDAR扫描将工人与树干区分开来的问题。所提出的空间上下文注意力架构，整合了极坐标位置编码与多头注意力机制，在显著降低计算需求的情况下达到了0.88的平均精度。这种效率支持了在资源受限的农业机器人上进行实现和进一步田间验证。

## CRediT作者贡献声明

Jintack Jeon：原始草稿撰写、可视化、软件、方法论、调查研究、形式分析、概念构思、验证、审阅与编辑。Huijong Chung：资源获取、调查研究、数据管理。Gookhwan Kim：项目管理、资金获取、资源。Seungyun Baek：验证、资源、调查研究。Dae-Hyun Lee：审阅与编辑、监督、概念构思、项目管理。

## 数据可用性声明

OWD模型和基线比较的源代码可在 https://github.com/Jeonjt/OWD.git 获取。本研究使用的LiDAR数据集支持本研究结果，可下载于 https://drive.google.com/drive/folders/1KSYys-eAmTcLRXhrAp_ZxVH-Oeq3qL4u?usp=sharing。

## 生成式AI和AI辅助技术在写作过程中的使用说明

在准备本工作期间未使用任何生成式AI或AI辅助技术。

## 利益冲突声明

作者声明不存在可能影响本文所述工作的已知竞争性财务利益或个人关系。

## 致谢

本研究得到了韩国食品农业林业技术计划评估院（IPET）通过农业与食品融合技术计划（研究人才发展）的支持，由韩国农林畜产食品部（MAFRA）资助（RS-2024-00397026）。

本研究得到了韩国食品农业林业技术计划评估院（IPET）和韩国智能农场研发基金会（KosFarm）通过Smart Farm项目的支持。

Jintack Jeon | Huijong Chung | Gookhwan Kim | Seungyun Baek | Dae-Hyun Lee

忠南国立大学智能农业系统机械工学科，韩国大田，34134