基于稠密自编码器的无监督番茄植株图像深度估计模型

发布时间：2022-02-22 02:40

　　深度信息获取是温室移动机器人实现自主作业的关键。该研究提出一种基于稠密卷积自编码器的无监督植株图像深度估计模型。针对因视角差异和遮挡而产生的像素消失问题,引入视差置信度预测,抑制图像重构损失产生的问题梯度,设计了基于可分卷积的稠密自编码器作为模型的深度神经网络。以深度估计误差、阈值精度等为判据,在番茄植株双目图像上开展训练和测试试验,结果表明,抑制问题梯度回传可显著提高深度估计精度,与问题梯度抑制前相比,估计深度的平均绝对误差和均方根误差分别降低了55.2%和33.0%,将网络预测的多尺度视差图接入编码器并将其上采样到输入图像尺寸后参与图像重构和损失计算的处理方式对提高预测精度是有效的,2种误差进一步降低了23.7%和27.5%;深度估计误差随空间点深度的减小而显著降低,当深度在9 m以内时,估计深度的平均绝对误差<14.1 cm,在3 m以内时,则<7 cm。与已有研究相比,该研究估计深度的平均相对误差和平均绝对误差分别降低了46.0%和26.0%。该研究可为温室移动机器人视觉系统设计提供参考。 

【文章来源】：农业工程学报. 2020,36(11)北大核心EICSCD

【文章页数】：11 页

【参考文献】：
期刊论文
[1]基于自适应无迹卡尔曼滤波的采摘机械手视觉伺服控制方法[J]. 梁喜凤,彭明,路杰,秦超.  农业工程学报. 2019(19)
[2]基于相位相关的温室番茄植株多模态三维重建方法[J]. 孙国祥,汪小旵,刘景娜,孙晔,丁永前,卢伟.  农业工程学报. 2019(18)
[3]丘陵山地柑橘果园多方位自动喷药装置研制[J]. 马驰,李光林,李晓东,黄小玉,宋杰,杨士航.  农业工程学报. 2019(03)
[4]基于Kinect视频技术的葡萄园农药喷施路径规划算法[J]. 肖珂,高冠东,马跃进.  农业工程学报. 2017(24)
[5]基于Census变换的双目视觉作物行识别方法[J]. 翟志强,朱忠祥,杜岳峰,张硕,毛恩荣.  农业工程学报. 2016(11)
[6]基于点云图的农业导航中障碍物检测方法[J]. 姬长英,沈子尧,顾宝兴,田光兆,张杰.  农业工程学报. 2015(07)



本文编号：3638525