农业车辆双目视觉障碍物感知系统设计与试验

来源：农业工程学报杂志2021年第9期北京时间：

作者：魏建胜,潘树国,田光兆,高旺,孙迎春,

摘要：为保证智能化农业机械在自主导航过程中的安全可靠性，该研究将嵌入式AI计算机Jetson TX2作为运算核心，设计一套基于双目视觉的农业机械障碍物感知系统。使用深度卷积神经网络对作业环境中的障碍物进行识别，并提出一种基于改进YOLOv3的深度估计方法。将双目相机抓取的左右图像分别输入至改进的YOLOv3模型中进行障碍物检测，并将输出的目标检测框信息进行目标匹配和视差计算，完成对障碍物的识别、定位和深度估计。试验结果表明，该系统能够对障碍物进行准确识别，平均准确率和召回率分别达到89.54%和90.18%；改进YOLOv3模型的深度估计误差均值、误差比均值较原始YOLOv3模型分别降低25.69%、25.65%，比Hog+SVM方法分别降低41.9%、41.73%；动态场景下系统对障碍物深度估计的平均误差比为4.66%，平均耗时0.573 s，系统在深度预警时能够及时开启电控液压转向模块进行安全避障。研究结果可为农业机械的自主导航提供有效的环境感知依据。

关键词：农业机械, 图像处理, 障碍物感知, 深度估计, 视差计算