典型文献
基于双目视觉的种植前期农田边界距离检测方法
文献摘要：
针对目前基于全球导航卫星系统技术的农机自动驾驶地头转弯方法的局限性,提出了基于双目视觉的农田田埂边界的识别和测距方法,对具体方法的可行性、适用性及约束条件进行了分析.针对光照变化大、重复纹理多的农田环境,双目立体匹配的代价计算步骤采用了Census变换和截断梯度融合的方法、代价聚合步骤采用了多尺度代价合并的分割树算法,可快速得到良好的视差图.针对农田地面不平坦及作物生长高度不均的实际情况,对视差图构建的三维点云进行了自适应阈值点云提取和干扰消除等操作,实现了田埂边界的识别.另外,根据农田信息,对计算的平均边界距离进行了校正.实验表明,此算法可以实现早期作业农田的边界距离检测,对前方5～10 m的田埂识别率达到99％,测距精度随着检测距离的减小而提高,5 m时的测距误差约0.075 m.在NVIDIA Jetson TX2硬件平台上,算法运行时间约0.8 s,对于行驶速度小于1.5 m/s的农机可满足作业的实时性要求.
文献关键词：
田埂边界;距离检测;双目视觉;立体匹配;三维点云
中图分类号：
作者姓名：
洪梓嘉;李彦明;林洪振;贡亮;刘成良
作者机构：
上海交通大学机械与动力工程学院,上海200240;机械系统与振动国家重点实验室,上海200240
文献出处：
引用格式：
[1]洪梓嘉;李彦明;林洪振;贡亮;刘成良-.基于双目视觉的种植前期农田边界距离检测方法)[J].农业机械学报,2022(05):27-33,56
A类：
田埂边界
B类：
双目视觉,农田边界,距离检测,全球导航卫星系统,农机自动驾驶,地头,转弯,具体方法,双目立体匹配,代价计算,Census,梯度融合,代价聚合,视差图,田地,平坦,作物生长,生长高度,对视,三维点云,自适应阈值,点云提取,干扰消除,前方,识别率,测距精度,检测距离,测距误差,NVIDIA,Jetson,TX2,硬件平台,运行时间,行驶速度
AB值：
0.373714
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
