随着科技水平的提高,智能设备在农业方面的应用越来越普遍,为了让智能设备按照预期的路径在田间作业,对导航线提取精度的要求也越来越高,因此田间导航线的提取成为了关注的热点。目前,对于田间导航线的提取大多数处于图像坐标系下,通过传感设备获取植被图像信息,对植被图像信息利用相关算法进行处理,在图像坐标系下获得田间导航线。也有部分学者或科研团队设计开发了导航设备,在导航设备上安装传感器获取植被图像信息,来获取导航设备的行走方向。在图像坐标系下的导航线提取不利于导航线精度的提高,为了提高导航线的提取精度并且能够应用到地面的实际坐标系下,本文在现有的导航线提取算法的基础上,针对田间复杂的非线性环境,将近景图像和远景图像映射到地面实际坐标系后,提出了融合图像特征进行田间导航线提取算法。研究的主要内容为:(1)影响田间导航线提取因素的研究。本文研究了影响田间导航线提取的三个方面的因素,包括图像覆盖区域范围、光线传播方式、特征点的选择,依据影响导航线提取的因素给出了近景图像和远景图像的定义。(2)基于近景和远景图像坐标系转换的研究。本文针对室内环境和田间环境,利用神经网络算法进行了坐标系的转换,将图像坐标系下的特征点映射到地面实际坐标系下。本文利用四个参数相同的摄像机分别采集近景图像和远景图像,将近景图像和远景图像中提取的特征点映射到同一个地面实际坐标系后,再进行田间导航线的提取。(3)基于多幅图像特征点融合的田间导航线提取算法的研究。将近景图像和远景图像的特征点映射到地面实际坐标系后,对多幅图像的特征点进行融合,再分别利用融合特征点进行田间导航线的提取,接着通过修改横向位移对多幅图像特征点融合后的导航线进行了修正。田间实验结果表明,在地面3m的距离范围内,四幅图像特征点融合后提取的导航线与地面实际导航线相比误差相对较小,角度误差最小为2.73°,横向位移误差最小为4.214cm。对四幅图像特征点融合后提取的导航线进行修正,修正后的融合导航线与地面实际导航线的角度误差最小达到了0.41°,横向位移误差最小达到了0.247cm。这将为导航线提取精度的提高提供理论基础。