魏建胜，潘树国※，田光兆，高 旺，孙迎春

（1. 东南大学仪器科学与工程学院，南京 210096；2. 南京农业大学工学院，南京 210031）

0 引言

由于农业环境的复杂多样性，农业机械为实现其自主导航[1-5]需要可靠的障碍物感知系统。障碍物感知系统主要包括障碍物检测[6-7]和深度估计[8-9]2部分。传统的障碍物检测是基于人为设计的浅层目标特征[10-12]，如SIFT特征、HOG特征、局部二值特征等。由于农业环境结构复杂，光照强度不均匀等，此类特征的检测效果不够稳定。随着人工智能的发展，农业机械的自主导航逐渐应用深度卷积神经网络[13-16]（Convolutional Neural Network，CNN）来完成检测任务。相比于原有基于人为设计特征的检测方式，深度卷积神经网络对环境特征的检测更加丰富和多层次，且能够从大规模数据集中不断学习当前任务的特征表达，从而获得更优的检测效果。在障碍物的深度估计中，普遍采用激光雷达[17-18]、深度相机[19-20]和双目相机[21-22]等作为测距传感器。激光雷达测距范围广、精度高，但二维激光雷达无法检测扫描线以外的障碍物，不能适应农田等颠簸路面的情况，而三维激光雷达造价昂贵，严重制约了其在农业障碍物检测中的应用[23]；深度相机能够获得图像中每个像素的深度信息，但测量结果受外界环境干扰较大，难以在室外环境中应用；双目相机能够独立完成对目标的深度估计，但窄基线的双目相机测距范围有限，需不断提高基线的宽度以适应大规模的场景。

为适应农业环境的复杂多样性，选用双目相机作为系统的视觉感知传感器，并采用深度卷积神经网络进行障碍物的检测。……