果园经济作物的种植面积较大,传统的采用人工对果园喷雾施药的方式存在着效率低、劳动强度高、易中毒等问题,为了提高果园喷雾作业效率,减少劳动力成本,减少药液对劳动人员的危害,喷雾机向无人化作业方向发展。为了保证喷雾机无人化作业的安全性,必须要有可靠的障碍物检测与避障功能,本课题为实现无人喷雾机在果园中的自主施药作业,对果园中存在的行人这一类障碍物的检测和避障路径规划进行研究以保证无人喷雾机在喷雾作业任务中不会造成人身安全事故。主要研究内容如下:(1)设计了无人喷雾机的控制系统。该系统主要包括数据采集及处理系统、运动控制系统两部分。数据采集及处理系统采用双目视觉传感器获取工作场景的图像信息,由嵌入式AI计算机对数据进行处理得到障碍物的空间位置信息并完成避障路径规划任务。运动控制系统通过主控处理器接收上位机的控制信息并实时获取底层硬件传感器的信息形成控制指令发送给底层的驱动器控制喷雾机的行驶。(2)提出了改进的基于深度学习的SSD(Single Shot multibox Detector,单次多重检测器)目标检测算法并结合双目视觉系统完成对行人障碍物的空间位置检测。采用轻量化网络MobileNetV2作为SSD目标检测算法的基础层网络,以减少提取图像特征过程中所花费的时间和运算量,辅助层网络以改进的反向残差结构作为基础结构进行位置预测,在综合多尺度的同时避免了下采样操作带来的信息损失,实验结果显示改进SSD目标检测算法的平均准确率和召回率分别达到了97.46%和91.65%,高于原模型的96.87%和88.51%,检测速度达到62.50帧/s,对行人障碍物的定位精度在Z方向距离平均相对误差为1.64%,X方向距离平均相对误差为1.83%。该方法可以较好地实现果园环境下行人障碍物的检测,为无人喷雾机的避障决策提供依据。(3)研究了果园环境下无人喷雾机的避障路径规划。首先由已知的果园环境先验信息建立果园环境模型并在此基础上完成无人喷雾机对果树行间隔全覆盖的工作路径规划。接下来针对传统人工势场法存在的缺陷进行改进并使用改进的人工势场法对全局路径规划中没有考虑到的行人障碍物进行避障路径规划,在MATLAB中进行仿真试验及在室外环境下实验以验证算法的有效性。试验结果表明:改进的人工势场法能够有效地完成避障路径规划任务且满足实时性要求。