融合改进YOLO v5s与毫米波雷达的避障目标检测方法

来源：农业机械学报杂志2025年第12期北京时间：

作者：胡炼，梁楚奇，罗雅玲，柳诏迪，阮庆强，汪沛，黄培奎，王培，孙宜田

单位：华南农业大学;农业装备技术全国重点实验室,华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学;农业装备技术全国重点实验室,华南农业大学;农业装备技术全国重点实验室,北京市农林科学院,山东省农业机械科学研究院,

摘要：为提高农场环境下无人驾驶农机对农田障碍物感知的准确性，针对视觉检测容易受光照和毫米波雷达检测易受车辆颠簸等，以及视觉检测目标算法在复杂田间下参数量大、计算量大、模型体积大的问题，本文提出一种融合视觉与毫米波雷达信息的无人驾驶农机避障目标检测方法。首先过滤毫米波雷达的部分目标数据，并提出基于自适应扩展卡尔曼滤波的目标追踪算法。然后制作农场环境障碍物数据集，构建基于改进YOLO v5s的目标检测模型。随后，通过时间戳对齐和直接线性标定法的坐标变换，实现雷达点向图像像素坐标系的映射。最后，通过决策级融合方法和目标匹配策略构建毫米波雷达与视觉传感器的障碍物检测信息融合模型。试验结果表明，改进YOLO v5s模型平均精度均值为97.0%，与原始模型相近，但参数量、计算量、模型内存占用量仅分别为原YOLO v5s模型的40.2%、39.2%和38.2%，与YOLO v4-Tiny、YOLO v7-Tiny、YOLO v4和YOLO v7模型相比能够更好地平衡精确率与检测速度。多场景试验结果表明，本文提出的融合方法在白天试验时相较于雷达与视觉识别准确率分别提高2.67、15.07个百分点，夜间试验时融合检测方法能有效弥补视觉失效的情况，比单传感器算法具有更好的鲁棒性与准确性，同时基于融合检测方法有效实现了无人驾驶农机停车避障。

关键词：YOLO v5s;农田障碍物检测;毫米波雷达;视觉目标检测;信息融合

基金资助：山东省重点研发计划项目（2022SFGC0202）、广州市基础与应用基础研究专题青年博士“启航”项目（SL2023A04J00077)和湖南省科技厅重大项目（2023NK1020)