学术研究报告：基于激光雷达辅助视觉的玉米中后期行间信息识别方法

第一作者及机构

该研究由安徽农业大学工程学院的Zhiqiang Li、Dongbo Xie、Lichao Liu、Hai Wang（同时隶属澳大利亚莫道克大学）及通讯作者Liqing Chen（安徽智能农业装备工程实验室）共同完成，发表于Frontiers in Plant Science期刊（2022年12月1日），属“植物科学技术进展”专栏。DOI: 10.3389/fpls.2022.1024360。

学术背景

研究领域：农业机器人导航与计算机视觉交叉领域。
科学问题：玉米中后期（植株高大、枝叶密集）形成高遮挡环境，传统视觉导航因光照不足和非玉米障碍物（如石块、土块）导致信息缺失，影响植保机器人作业稳定性。
技术背景：
1. 现有技术局限：GPS/北斗在高遮挡环境下信号差；传统YOLOv5等视觉算法对多特征识别速度慢，且难以兼顾非作物障碍物。
2. 创新动机：激光雷达（LiDAR, Laser Imaging, Detection and Ranging）的点云数据可弥补视觉在弱光条件下的不足，且对非结构化障碍物敏感。

研究流程与方法

1. 硬件平台构建

• 数据采集机器人：集成VLP-16激光雷达（水平扫描角270°，垂直±15°）和NPX-GS650相机（分辨率640×480，帧率790 fps），总成本约5,700元人民币。
  
• 传感器联合标定：
  
  • 相机标定：采用棋盘格法（网格尺寸50 mm×50 mm），标定误差<0.35像素。
    
  • LiDAR-相机标定：通过刚性变换矩阵（公式1-2）将点云投影至图像坐标系，径向/切向畸变校正后，误差满足实际应用需求。
    

2. 改进YOLOv5算法（IM-YOLOv5）

• 轻量化改进：
  
  • 主干网络替换：采用MobileNetV2替代原YOLOv5主干网络，参数量减少39%（从64M降至39M）。
    
  • 注意力机制引入：融合ECANet（Efficient Channel Attention Network）模块，通过通道扰乱分支增强长距离通道依赖，提升玉米茎秆识别鲁棒性。
    
• 损失函数优化：采用CIoU Loss（Complete Intersection over Union）替代GIoU，综合重叠区域、中心点距离和长宽比因素，收敛速度提升17.91%，模型体积减小55.56%。
  

3. LiDAR辅助导航

• 点云处理流程：
  
  1. 地面分割：RANSAC（Random Sample Consensus）算法拟合地面平面模型，剔除地面点云。
     
  2. 噪声滤除：删除Z坐标>10 cm的玉米叶片点云，保留石块/土块等低矮障碍物。
     
  3. 特征识别：基于PointNet模型提取非玉米障碍物空间位置，转换为像素坐标（公式11-14）。
     

4. 数据融合与实验验证

• 空间数据融合：通过标定矩阵将LiDAR障碍物位置信息与视觉检测的玉米茎秆位置同步至图像坐标系。
  
• 实验设计：
  
  • 数据集：3,000张玉米田间图像（训练集:测试集:验证集=8:1:1）。
    
  • 模拟环境：人工玉米模型（行距65 cm，株距25 cm）中设置随机障碍物，测试距离1-3米。
    

主要结果

1. IM-YOLOv5性能：
   
   • 准确率（P）达97%，召回率（R）81%，F1-score 88%，帧率78 fps，模型体积仅12 MB。
     
   • 对比实验显示，较原YOLOv5帧率提升17.91%，模型体积减小55.56%，平均精度（mAP）仅降低0.35%。
     
2. LiDAR补充效果：
   
   • 在3米距离内，玉米茎秆识别率稳定，但障碍物识别率随距离增加下降（需更高线数LiDAR改进）。
     
   • 融合后系统可同时输出玉米茎秆（主导航信息）和障碍物位置（辅助导航信息），路径规划安全性显著提升。
     

结论与价值

科学价值：
1. 提出首例LiDAR辅助视觉的玉米行间信息识别框架，解决高遮挡环境下的多源信息缺失问题。
2. IM-YOLOv5的轻量化设计为边缘设备部署提供可能，ECANet的通道注意力机制可扩展至其他农业目标检测任务。

应用价值：
- 为小型植保机器人提供低成本（总硬件成本,000元）、高精度的导航方案，较无人机更具价格优势。
- 技术可延伸至其他高秆作物（如甘蔗、高粱）的自动化管理。

研究亮点

1. 方法创新：首次将LiDAR点云与视觉信息融合应用于农业行间导航，突破单一传感器局限。
   
2. 算法优化：MobileNetV2+ECANet的轻量化模型在保持精度的同时显著提升实时性。
   
3. 工程可行性：标定与数据融合方案具备可重复性，硬件成本可控。
   

局限与展望

• LiDAR精度限制：16线雷达对小障碍物远距离识别不足，未来拟采用32/64线雷达。
  
• 田间验证不足：受疫情影响，实验基于模拟环境，需进一步实地测试。
  

该研究为农业机器人导航提供了多传感器协同的新范式，其开源代码与数据集（可通过作者申请获取）将推动相关领域发展。