基于果园航拍图像的语义分割和路径规划算法 2020年4月 - 2020年12月
研究目的:在果园中,基于无人小车的地面环境探测方法只能对周围一定区域进行探测。受限于探测范围,路径规划也只能在一个局部区域中进行,很难对规模化果园进行整体的路径规划。为了提高果园路径规划效率,我们提出了一种基于无人机的,通过语义分割的方式,一次性探测整个果园区域的路径规划方法。
项目思路:为了使语义分割算法更加试用于果园,我构造一个命名为SADNet的语义分割网络,分割提取果园中的道路和果园。该网络包含了encoder-decoder结构、ASPP模块、SCSE注意力机制模块和改进的卷积层结构DIC模块。利用分割后的结果,将整个果园抽象化为二位栅格结构网络模型。使用基于A*的路径规划方法,最终规划出整个果园的路径,准确率达到93.61%,优于同一数据集下的DeepLabv3、PSPnet等网络。果园的路径规划线路实现了对所有果树的遍历,对比人工规划路线只有2.9%的误差。