设施环境下基于YOLOv8-seg的轨道区域分割与对轨控制方法OA

针对设施环境中番茄种植光照变化显著、弱GPS定位导致寻轨与入轨不稳的问题,该研究提出一种基于改进YOLOv8-seg的轨道区域分割与对轨控制方法。首先,利用二维激光雷达获取作物行点云数据,提出基于局部密度自适应的改进DBSCAN聚类算法,并结合Theil-Sen估计拟合行线,实现机器人在行外的导航与位姿估计;随后,在接近目标轨道区域时,利用侧向相机采集图像,构建改进YOLOv8-seg分割网络对轨道区域进行识别。通过引入多尺度融合模块(MSC2f)、深度可分离卷积与GhostConv模块,提升模型在复杂光照条件下的边界识别能力与推理效率;最终,基于最小二乘法拟合轨道中心线,计算横向偏差并调整机器人位姿,实现轨道区域的精准识别与对轨控制。试验结果表明,改进YOLOv8-seg网络在轨道区域分割任务中的mAP50达96.43%,较原始YOLOv8-seg提升1.30个百分点;激光雷达聚类拟合得到的机器人中心至作物行距离误差平均为2.67 cm,偏航角误差平均为0.16°;在不同光照条件下,机器人中心与轨道中心的最大偏差不超过4.95 cm,平均偏差为2.16 cm。所提方法有效提升了设施番茄种植环境下轨道区域识别精度与上轨稳定性,具备良好的环境适应性。