田间农用机械的视觉导航技术越来越成熟,目前田间视觉到导航线的提取主要是通过提取导航特征点的方式拟合导航线。而田间复杂多变视觉导航线的提取仍然面临着很多问题,随着作物的生长,存在叶片遮挡道路的现象,直接导致了提取的导航线精度降低。本文为了降低叶片遮挡对蔬菜收割过程导航线提取的影响,从a.特征点精度对导航线的影响;b.叶片遮挡程度与导航线提取精度关系,两个角度出发进行研究。通过融合不同生长阶段图像特征的方式提高了收获阶段导航线的提取精度。主要的工作内容如下:（1）叶片遮挡面积越大,导航线精度越低;导航特征点存在较多误差点。对不同阶段导航线的特征点进行研究发现,由于田间环境的不规则性提取的特征点存在误差值;通过对特征点的精度进行筛选,发现导航线的提取精度得到了明显提高。因此,提出了融合不同阶段的导航特征并对每个阶段的特征点进行筛选,来降低叶片遮挡道路对导航线提取的影响。（2）将各个阶段的特征映射到世界坐标中进行融合。将各个阶段的图像进行融合难以实现,为了将每个阶段的导航特征进行融合,把每个阶段提取的特征点映射到田间实际世界坐标系下进行特征融合。采用BP神经网络算法进行特征点的坐标转换,在保证映射精度的同时减少训练集数据的复杂性展开了实验。最终实现的映射误差控制在了5%以内,为不同阶段特征点的融合奠定了基础。（3）采用模糊决策算法对特征点集进行筛选。将所有阶段的特征点映射到实际田间世界坐标后,随着作物的生长,遮挡位置的特征点对所属阶段与第一阶段的导航线偏差越来越大,而非遮挡位置基本不变。针对这一关系建立模糊筛选机制对特征点进行筛选,保留可以融入不同阶段特征的新特征点集合拟合导航线。与原来导航线进行对比,该方法提取的导航线精度约是原来的两倍。