深度信息獲取是溫室移動(dòng)機(jī)器人實(shí)現(xiàn)自主作業(yè)的關(guān)鍵。該研究提出一種基于稠密卷積自編碼器的無監(jiān)督植株圖像深度估計(jì)模型。針對(duì)因視角差異和遮擋而產(chǎn)生的像素消失問題,引入視差置信度預(yù)測,抑制圖像重構(gòu)損失產(chǎn)生的問題梯度,設(shè)計(jì)了基于可分卷積的稠密自編碼器作為模型的深度神經(jīng)網(wǎng)絡(luò)。以深度估計(jì)誤差、閾值精度等為判據(jù),在番茄植株雙目圖像上開展訓(xùn)練和測試試驗(yàn),結(jié)果表明,抑制問題梯度回傳可顯著提高深度估計(jì)精度,與問題梯度抑制前相比,估計(jì)深度的平均絕對(duì)誤差和均方根誤差分別降低了55.2%和33.0%,將網(wǎng)絡(luò)預(yù)測的多尺度視差圖接入編碼器并將其上采樣到輸入圖像尺寸后參與圖像重構(gòu)和損失計(jì)算的處理方式對(duì)提高預(yù)測精度是有效的,2種誤差進(jìn)一步降低了23.7%和27.5%;深度估計(jì)誤差隨空間點(diǎn)深度的減小而顯著降低,當(dāng)深度在9 m以內(nèi)時(shí),估計(jì)深度的平均絕對(duì)誤差<14.1 cm,在3 m以內(nèi)時(shí),則<7 cm。與已有研究相比,該研究估計(jì)深度的平均相對(duì)誤差和平均絕對(duì)誤差分別降低了46.0%和26.0%。該研究可為溫室移動(dòng)機(jī)器人視覺系統(tǒng)設(shè)計(jì)提供參考。 

【文章來源】：農(nóng)業(yè)工程學(xué)報(bào). 2020,36(11)北大核心EICSCD

【文章頁數(shù)】：11 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于自適應(yīng)無跡卡爾曼濾波的采摘機(jī)械手視覺伺服控制方法[J]. 梁喜鳳,彭明,路杰,秦超.  農(nóng)業(yè)工程學(xué)報(bào). 2019(19)
[2]基于相位相關(guān)的溫室番茄植株多模態(tài)三維重建方法[J]. 孫國祥,汪小旵,劉景娜,孫曄,丁永前,盧偉.  農(nóng)業(yè)工程學(xué)報(bào). 2019(18)
[3]丘陵山地柑橘果園多方位自動(dòng)噴藥裝置研制[J]. 馬馳,李光林,李曉東,黃小玉,宋杰,楊士航.  農(nóng)業(yè)工程學(xué)報(bào). 2019(03)
[4]基于Kinect視頻技術(shù)的葡萄園農(nóng)藥噴施路徑規(guī)劃算法[J]. 肖珂,高冠東,馬躍進(jìn).  農(nóng)業(yè)工程學(xué)報(bào). 2017(24)
[5]基于Census變換的雙目視覺作物行識(shí)別方法[J]. 翟志強(qiáng),朱忠祥,杜岳峰,張碩,毛恩榮.  農(nóng)業(yè)工程學(xué)報(bào). 2016(11)
[6]基于點(diǎn)云圖的農(nóng)業(yè)導(dǎo)航中障礙物檢測方法[J]. 姬長英,沈子堯,顧寶興,田光兆,張杰.  農(nóng)業(yè)工程學(xué)報(bào). 2015(07)



本文編號(hào)：3638525