(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211055606.6 (22)申请日 2022.08.31 (71)申请人 北京卓翼智能科技有限公司 地址 100086 北京市海淀区知春路6号(锦 秋国际大厦)09层B01室 (72)发明人 任雪峰　罗巍　 (74)专利代理 机构 北京市竞天 公诚律师事务所 11770 专利代理师 王彩霞　陈伟 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/774(2022.01) G06V 10/762(2022.01) G06V 10/74(2022.01) (54)发明名称 可识别农田障碍物的无人机及农田障碍物 识别方法 (57)摘要 本发明公开了一种可识别农田障碍物的无 人机及农田障碍物识别方法， 该无人机包括： 数 据集生成模块配置为获取多个目标农田障碍物 样本图像， 生成农田障碍物样本数据集； 模型获 取模块配置为基于农田障碍物样本数据集进行 训练， 以获取农田障碍物检测模型； 图像获取模 块配置为获取农田图像输入农田障碍物检测模 型； 边界框获取模块配置为基于农田障碍物检测 模型中预先存储的锚框尺度值获取农田图像的 多个边界框； 冗余框消除模块配置为采用非极大 值抑制消除多个边界框中的冗余框， 得到农田图 像的目标边界框； 障碍物识别模块配置为基于目 标边界框识别农田图像中的障碍物。 本发明解决 了无人机在农田中无法实现精准路径规划和避 障， 障碍物漏检率高的问题。 权利要求书2页 说明书8页 附图2页 CN 115294481 A 2022.11.04 CN 115294481 A 1.一种可识别农田障碍物的无 人机， 其特 征在于， 包括： 数据集生成模块， 配置为获取多个目标农田障碍物样本 图像， 生成农田障碍物样本数 据集； 模型获取模块， 配置为基于所述农田障碍物样本数据集进行训练， 以获取农田障碍物 检测模型； 图像获取模块， 配置为获取农田图像输入所述农田障碍物检测模型； 边界框获取模块， 配置为基于所述农田障碍物检测模型中预先存储的锚框尺度值获取 所述农田图像的多个边界框； 冗余框消除模块， 配置为采用非极大值抑制消除多个所述边界框中的冗余框， 得到所 述农田图像的目标边界框； 障碍物识别模块， 配置为基于所述目标边界框识别所述农田图像中的障碍物。 2.根据权利要求1所述的可识别农田障碍物的无人机， 其特征在于， 所述模型获取模块 具体配置为： 基于所述农田障碍物样本数据集， 采用K ‑Means聚类算法确定农田障碍物的所述锚框 尺度值。 3.根据权利要求2所述的可识别农田障碍物的无人机， 其特征在于， 所述模型获取模块 包括： 初始化单元， 配置为在所述农田障碍物样本数据集中多个障碍物的初始锚框尺度中初 始化预设数量的锚框作为第一聚类中心； 计算单元， 配置为将所述第一聚类中心分配至锚框比例样本， 计算每个锚框比例样本 聚类的平均值； 确认单元， 配置为基于所述平均值确定每一所述初始锚框尺度的中心点， 根据所述中 心点确认多个所述初始锚框尺度的第二聚类中心； 判断单元， 配置为判断所述第二聚类中心与所述第一聚类中心是否相同， 若是则输出 所述锚框尺度值， 否则重新确认所述第二聚类中心 直至所述第二聚类中心与所述第一聚类 中心相同。 4.根据权利要求1 ‑3中任一项所述的可识别农田障碍物的无人机， 其特征在于， 所述障 碍物识别模块包括： 数据获取单元， 配置为获取所述锚框尺度值与所述目标边界框的重叠区域、 中心距离 和纵横比； 相似度确定单元， 配置为基于所述重叠区域、 中心距离和纵横比确定所述目标边界框 与所述锚框尺度值之间的相似度； 障碍物识别单元， 配置为基于所述相似度识别所述农田图像中的障碍物。 5.根据权利要求1所述的可识别农田障碍物的无人机， 其特征在于， 所述数据集生成模 块包括： 样本获取 单元， 配置为获取多个初始农田障碍物样本图像； 数据扩展单元， 配置为采用数据增强方法分别对多个所述初始农田障碍物样本图像进 行扩展处理， 以使得每一所述初始农田障碍物样本图像生成多个目标农田障碍物样本图 像；权　利　要　求　书 1/2 页 2 CN 115294481 A 2数据集生成单元， 配置为基于多个所述初始农田障碍物样本图像生成的多个所述目标 农田障碍物样本图像， 构成所述农田障碍物样本数据集。 6.一种无 人机的农田障碍物 识别方法， 其特 征在于， 包括： 获取多个目标农田障碍物样本图像， 生成农田障碍物样本数据集； 基于所述农田障碍物样本数据集进行训练， 以获取农田障碍物检测模型； 获取农田图像输入所述农田障碍物检测模型； 基于所述农田障碍物检测模型中预先存储的锚框尺度值获取所述农田图像的多个边 界框； 采用非极大值抑制消 除多个所述边界框中的冗余框， 得到所述农田图像的目标边界 框； 基于所述目标边界框识别所述农田图像中的障碍物。 7.根据权利要求6所述的无人机的农田障碍物识别方法， 其特征在于， 所述基于所述农 田障碍物样本数据集进行训练， 以获取农田障碍物检测模型的步骤 包括： 基于所述农田障碍物样本数据集， 采用K ‑Means聚类算法确定农田障碍物的所述锚框 尺度值。 8.根据权利要求7所述的无人机的农田障碍物识别方法， 其特征在于， 所述基于所述农 田障碍物样本数据集， 采用K ‑Means聚类算法确定农田障碍物的所述锚框尺度值的步骤包 括： 在农田障碍物样本数据集中多个障碍物的初始锚框尺度中初始化预设数量的锚框作 为第一聚类中心； 将所述第一聚类中心分配至锚框比例样本， 计算每 个锚框比例样本聚类的平均值； 基于所述平均值确定每一所述初始锚框尺度的中心点， 根据所述中心点确 认多个所述 初始锚框尺度的第二聚类中心； 判断所述第二聚类中心与所述第一聚类中心是否相同， 若是则输出所述锚框尺度值， 否则重新确认所述第二聚类中心直至所述第二聚类中心与所述第一聚类中心相同。 9.根据权利要求6 ‑8中任一项所述的无人机的农田障碍物识别方法， 其特征在于， 所述 基于所述目标边界框识别所述农田图像中的障碍物的步骤 包括： 获取所述锚框尺度值与所述目标边界框的重 叠区域、 中心 距离和纵横比； 基于所述重叠区域、 中心距离和纵横比确定所述目标边界框与 所述锚框尺度值之间的 相似度； 基于所述相似度识别所述农田图像中的障碍物。 10.根据权利要求6所述的无人机的农田障碍物识别方法， 其特征在于， 所述获取多个 目标农田障碍物样本图像， 生成农田障碍物样本数据集的步骤 包括： 获取多个初始农田障碍物样本图像； 采用数据增强方法分别对多个所述初始农田障碍物样本图像进行扩展处理， 以使得每 一所述初始农田障碍物样本图像生成多个目标农田障碍物样本图像； 基于多个所述初始农田障碍物样本图像生成的多个所述目标农田障碍物样本图像， 构 成所述农田障碍物样本数据集。权　利　要　求　书 2/2 页 3 CN 115294481 A 3