准确提取农作物收割导航路径线对于实现精准农业日趋重要,导航路径线不仅能够为智能稻麦收获机的自动驾驶系统提供路径信息,也可以为收获机的测产系统提供实时收割宽度。针对智能稻麦收获机导航路径检测易受干扰和可靠性差的问题,分析收获机的复杂工作环境特征,建立智能稻麦收获机导航线视觉检测模型,提出基于鸟瞰图导航线视觉检测区域图像分割的收割导航线检测与跟踪方法,解决了智能稻麦收获机导航系统中存在的准确高效获取相对定位参数难题。研究已收割与未收割区域图像分割基础上的导航线检测算法,并在不同地区和不同环境下,分别对视觉算法导航线检测成功率和导航参数测量精度进行田间现场实验验证。主要研究内容如下:（1）稻麦收割图像信息获取:依据稻麦收获机的结构特点与收获环境特征,对视觉传感器进行选型与安装位置确定;分别建立智能稻麦收获机与视觉传感器坐标系统,对不同坐标系统进行坐标关系匹配;分析相机成像过程中所存在的图像畸变原因以及矫正方法,利用相机标定获取的参数对图像畸变进行矫正;依据图像静态消失点位置,对图像进行逆透视投影变换,在变换后的图像中设置图像信息采集目标区域。（2）导航线视觉检测区域图像分割:利用超声波距离测量值确立初始导航线区域,在超声波测量确立的导航线区域中,设置导航线视觉检测区域,并依据相邻帧图像的导航线检测结果,对导航线检测区域进行动态设置;分析反色变换、直方图均衡化、Gamma变换等图像预处理算法,对检测区域中的不同目标图像进行增强与滤波处理;在实际作业环境下,利用最大类间方差、种子点区域生长等图像分割算法,对稻麦已收割与未收割区域进行分割。（3）收获机视觉导航线检测算法:分析RANSAC算法与概率Hough算法在导航线检测中的应用,针对两种算法在导航线检测中存在的不足,依据导航线视觉检测区域图像分割后的图像特征,对两种导航线检测算法进行改进,并对改进前后的算法检测效果进行对比;利用图像金字塔光流跟踪算法,选取已收割与未收割区域分界处的检测角点作为特征跟踪点,对收获机视觉导航线进行动态跟踪检测。（4）视觉导航实验验证:依据智能稻麦收获机视觉导航系统的工作特点,确立收获机角度偏差与位移偏差测量精度验证标准;在不同地区、不同光照以及农田的不同位置,分别对水稻和小麦两种作物的收获作业导航线视觉检测算法进行现场实验验证;分析导航线提取失败原因和导航参数测量误差来源,结果表明本文视觉导航算法能够满足收获机作业过程中的导航路径检测需求。通过对视觉导航线原始检测算法进行改进,可以有效避免导航线检测过程中所存在的可靠性差和耗时长的问题。