田间道路改进UNet分割方法

杨丽丽，陈 炎，田伟泽，徐媛媛，欧非凡，吴才聪

（中国农业大学信息与电气工程学院，北京 100083）

0 引言

农业是国民经济发展的基础产业，目前国内农业生产面临着劳动力不足和生产力低下等问题，发展农业机械的自动驾驶技术成为了解决这些问题的关键手段[1]。农机多需要在机库和农田之间往来行驶，农田间道路缺乏导航线，路边常有杂草和泥土覆盖，这就需要自动驾驶农机准确识别道路区域，避免陷入两侧沟渠，同时躲避道路上的障碍物，实现安全行驶。机器视觉系统具有价格低廉，可靠性高的优点，基于视觉原理进行道路识别，提取可行驶区域，对于自动驾驶农机的发展尤为重要。

道路识别通过对采集到的道路图像进行语义分割，可以看作是像素级的分类任务，即对每一个像素进行背景和道路的二分类任务，从而提取可行驶区域。目前对结构化的城市道路识别研究较多，Das等[2]使用手工提取特征的方法完成了道路识别，但这种方法参数调整较为复杂，鲁棒性较差。Long等[3]提出了全卷积网络（Fully Convolutional Networks, FCN），第一次将深度学习用于道路识别，在复杂的城市道路场景中实现了道路区域提取，但FCN仅使用一次上采样将提取的高级语义特征恢复至原尺寸大小，对道路边缘分割精度较低。Ronneberger等[4]在UNet网络中提出了编码解码结构，解码结构中使用多步上采样结构，同时融合了下采样过程中的特征，增强了网络的边缘分割能力。Zhang等[5]在UNet结构中加入跳跃性的残差连接[6]，促进了信息的传播，增加了网络的可训练参数，在道路分割中减少了噪声点的产生，提高了多条车道交汇处的道路分割精度。……