中文摘要：

本项目以田间玉米为研究对象，利用彩色数码照相机与机载CCD摄像机采集玉米田间静态图像与动态彩色视频样本，对复杂环境下导航路径识别方法进行研究。在普通环境导航路径识别方法的基础上，研究基于区域分析的普通环境路径识别方法，提高系统的识别速度与识别精度。根据不同环境对视觉导航系统的影响，采用自组织特征映射神经网络对普通环境、变光照环境、杂草环境和阴影环境进行自动分类；在分类的基础上，研究基于颜色恒常性的变光照环境路径识别方法，解决光照对导航图像的干扰；研究基于两次投影变换的杂草环境与阴影环境路径识别方法，解决杂草与阴影对导航图像的影响。复杂环境下农业机械视觉导航路径识别方法的研究，对于提高导航系统的环境适应性和鲁棒性，提高农业生产效率具有重要的意义。

结论摘要：

本项目以田间玉米为研究对象，对复杂环境下导航路径识别方法进行研究。研究搭建了田间机器人视觉导航多自由度系统平台、车载导航智能控制器、农业机械虚拟现实模拟试验台等视觉导航的硬件平台。以上述平台为基础，在普通环境导航路径识别方法上，研究基于区域分析的普通环境路径识别方法，提高系统的识别速度与识别精度。根据不同环境对视觉导航系统的影响，采用自组织特征映射神经网络对普通环境、变光照环境、杂草环境和阴影环境进行自动分类；在分类的基础上，研究基于直方图均衡与中心线检测的变光照环境路径识别方法，解决光照对导航图像的干扰；研究基于两次投影变换的杂草环境与阴影环境路径识别方法，解决杂草与阴影对导航图像的影响。针对水稻、玉米、棉花和大豆等典型作物，利用基于区域法的视觉导航路径识别方法分别对100幅不同作物的田间导航图像进行了测试试验。试验结果表明水稻秧苗正确识别率为98%，平均消耗时间为180ms。玉米正确识别率为98%,平均消耗时间为166ms。棉花正确识别率为96%,平均消耗时间为176ms。大豆正确识别率为96%,平均消耗时间为160ms。通过该项目的研究，对于提高导航系统的环境适应性和鲁棒性，提高农业生产效率具有重要的意义。