基于反向传播神经网络和激光雷达的农田动/静障碍物点云识别方法

摘要

[目的]现有研究存在障碍物类型识别准确度低，障碍物边界判断难等问题，本文旨在建立农田环境的障碍物高效检测与精准识别，实现农业机械自主导航。[方法]提出了一种基于反向传播神经网络(BP神经网络)的农田障碍物点云识别方法。通过电动拖拉机搭载的激光雷达获取农田环境的原始点云信息;分别采用基于高度差法与自适应DBSCAN聚类算法对原始点云数据进行地面分割与聚类预处理;根据障碍物点云的几何特征(体积、密度和坐标轴上的特征值)描述农田障碍物信息，并作为BP神经网络的输入层;建立4种常见农田障碍物的数据集，并基于5种特征值将农田障碍物划分为4种类型;此外，BP神经网络模型的每一层参数也使用非线性Sigmoid函数进行反向传播变化与修改。[结果]基于BP神经网络和激光雷达的方法在农田环境中对机具、行人、电线杆、树木4类动/静障碍物的平均识别准确率达92.30%，误判主要源于形状特征相似性(如方形树木)或静态行为(如行人站立)，验证了其在非结构化农田环境中的实用性与可靠性。[结论]本文的研究成果将有助于改善农业机械自主导航障碍物识别精度。

关键词

农田障碍物 / 反向传播神经网络 / 预处理 / 激光雷达点云