YOLO 与 SGBM 集成用于 Radiata Pine 树枝检测与深度估计
计算机视觉与模式识别
2025-12-08 v1
摘要
手动修剪 Radiata Pine 树木面临巨大的安全风险，因工作高度极高且地形恶劣。本文提出一种计算机视觉框架，将 YOLO 目标检测与半全局块匹配 (SGBM) 立体视觉集成，用于无人机自动化修剪操作。我们的系统仅使用立体相机输入即可实现精确的枝干检测和深度估计，无需昂贵的 LiDAR 传感器。实验评估表明，YOLO 在枝干分割方面优于 Mask R-CNN，实现 82.0%的 mAPmask50-95。集成系统在 2 米的操作范围内准确定位枝干，帧处理时间低于 1 秒。这些结果确立了一种成本有效的自动化修剪系统的可行性，这种系统在提升工人安全和运营效率方面具有重要意义。
引用
@article{arxiv.2512.05412,
title = {YOLO and SGBM Integration for Autonomous Tree Branch Detection and Depth Estimation in Radiata Pine Pruning Applications},
author = {Yida Lin and Bing Xue and Mengjie Zhang and Sam Schofield and Richard Green},
journal= {arXiv preprint arXiv:2512.05412},
year = {2025}
}