基于深度学习与对比聚类的行栽作物航点生成

精准农业的发展逐步将自动化引入农业过程，以支持和合理化所有与田间管理相关的活动。其中，服务机器人在这一演进中占据主导地位，通过部署能够在田间自主导航并执行监测、喷洒和收获等不同任务而无需人工干预的自主智能体。在此背景下，全局路径规划是每项机器人任务的第一个必要步骤，并确保导航高效执行且实现田间完整覆盖。本文提出一种基于学习的方法，从感兴趣区域的俯视图出发，解决行栽作物导航路径规划的航点生成问题。我们提出一种基于对比损失的航点聚类新方法，能够将航点投影到可分离的潜在空间。所提出的深度神经网络可通过两个专用头在一次前向传播中同时预测航点位置与聚类分配。在仿真与真实图像上的大量实验表明，该方法有效解决了直线和弯曲行栽作物的航点生成问题，克服了以往SOTA方法的局限性。