在智慧农业中,田间作业环境障碍物感知是农业机器人田间作业环境下必备的功能。探测工作空间内障碍物信息是农业机器人自主导航、采摘作业、田间除草、环境监测等诸多应用的前提。田间障碍物感知方法多种多样,超声波、毫米波雷达和激光雷达等难以准确识别障碍物数量和种类;单目视觉存在物体图像遮挡问题,不易获取目标深度信息;多目视觉图像匹配过程复杂,耗时长,响应慢;多传感器融合存在算法复杂,计算量大等问题。本文以单个传感器(双目相机)为工具,研究田间特定作业环境下的障碍物感知机理,为特定田间作业环境障碍物感知应用,提供理论方法和实验数据。本文研究内容和相关工作安排如下。(1)透视相机的成像原理分析和双目相机标定。分析了透视相机成像原理,计算世界坐标系、相机坐标系、图像坐标系和像素坐标系之间的变换公式,借助MATLAB软件,得到左、右相机的内参数。研究双目立体成像原理,求解双目相机外参数,校正图像畸变。双目相机的立体标定和校正研究,为后续双目视差法求解田间障碍物空间距离奠定了硬件基础。(2)典型田间作业环境障碍物特征分析。分析均值滤波器、中值滤波器和高斯滤波器在障碍物图像预处理中的特点,选用中值滤波作为图像预处理方法。通过颜色直方图、颜色矩、颜色聚合矢量和颜色相关图,分析图像颜色特征。使用结构法分析障碍物图像纹理特征,利用Canny边缘检测算子获取图像目标边缘,使用霍夫变换公式表达障碍物形状。上述典型障碍物特征分析和障碍物分类方法研究,为运用深度学习识别算法判别障碍物提供了理论依据。(3)基于深度学习的障碍物图像目标分类。分析深度学习目标识别算法的框架结构,验证YOLOv3算法对田间障碍物,牛等动物的图像识别的可行性。运用改进非迭代K均值算法实现障碍物分类,分类过程运用识别框中心点坐标值法,快速实现非障碍物目标与障碍物目标分类,解决了基于目标识别的障碍物识别分类问题。(4)田间障碍物测距和三维空间区域构建。运用双目立体视觉视差法测量障碍物深度信息理论,分析在障碍物目标识别算法中引入双目视差匹配测距的可行性。探讨了局部立体匹配和全局立体匹配算法存在的病态搜索、耗时较长的问题。基于极线约束理论,设计了同源识别框匹配算法,通过同源识别框中心点获得障碍物距离数据,根据识别框尺寸构建障碍物空间立体区域。本文内容的工作创新性体现在,运用单传感器(双目相机)实现识别和目标分类,运用非迭代K均值算法判别障碍物类型。设计同源识别框匹配测距算法,利用田间障碍物识别框尺寸,构建三维空间区域范围。