楊麗麗 王新鑫 李元博 常孟帥 翟衛(wèi)欣 吳才聰

(1.中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院,北京 100083;2.農(nóng)業(yè)農(nóng)村部農(nóng)機(jī)作業(yè)監(jiān)測(cè)與大數(shù)據(jù)應(yīng)用重點(diǎn)實(shí)驗(yàn)室,北京 100083)

0 引言

GNSS全球?qū)Ш叫l(wèi)星系統(tǒng)是獲取車輛軌跡數(shù)據(jù)、實(shí)現(xiàn)農(nóng)業(yè)機(jī)械智能化管理的重要定位設(shè)備[1-3]。在農(nóng)業(yè)機(jī)械上搭載定位設(shè)備可獲得農(nóng)機(jī)實(shí)時(shí)定位軌跡點(diǎn),精確獲取并識(shí)別農(nóng)機(jī)運(yùn)動(dòng)軌跡,對(duì)農(nóng)業(yè)機(jī)械自動(dòng)化管理具有重要意義。農(nóng)機(jī)軌跡數(shù)據(jù)反映農(nóng)機(jī)的行為特征和田路分布等深層次信息,是農(nóng)機(jī)作業(yè)調(diào)度管理[4]、農(nóng)機(jī)作業(yè)行為分析[5]、農(nóng)機(jī)手駕駛評(píng)價(jià)[6]、農(nóng)田與機(jī)耕道軌跡識(shí)別[7]等研究的重要數(shù)據(jù)來(lái)源。

掉頭識(shí)別是提升農(nóng)機(jī)工作效率、合理規(guī)劃路徑的重要手段之一。設(shè)計(jì)合適的農(nóng)機(jī)行駛路線和掉頭方式與農(nóng)機(jī)的工作效率息息相關(guān),農(nóng)機(jī)作業(yè)路徑規(guī)劃的主要目標(biāo)是高效地實(shí)現(xiàn)農(nóng)田全覆蓋作業(yè)[8],掉頭識(shí)別是路徑優(yōu)化的關(guān)鍵點(diǎn)之一[3]。相關(guān)研究表明,掉頭時(shí)間可占農(nóng)機(jī)在田內(nèi)作業(yè)總時(shí)間的40%左右[9],且U形掉頭效率較高[10],通過(guò)農(nóng)機(jī)定位軌跡信息識(shí)別出農(nóng)機(jī)掉頭方式,進(jìn)而計(jì)算出不同掉頭方式下的農(nóng)機(jī)作業(yè)效率,便于機(jī)手合理規(guī)劃路徑,提升農(nóng)機(jī)作業(yè)效率。另外,掉頭方式與田塊形狀關(guān)系密切[8,11],某地區(qū)的農(nóng)田中不同掉頭占比可作為判斷該區(qū)域農(nóng)田形狀是否合理的依據(jù)之一,為農(nóng)田區(qū)域的合理規(guī)劃提供參考。農(nóng)田面積的計(jì)算也是基于農(nóng)機(jī)運(yùn)動(dòng)軌跡的相關(guān)研究之一,距離算法是計(jì)算農(nóng)田面積的常用算法[12-13],對(duì)農(nóng)機(jī)掉頭軌跡識(shí)別后可以去除農(nóng)機(jī)掉頭行為導(dǎo)致的交錯(cuò)軌跡,防止面積計(jì)算過(guò)程中出現(xiàn)同一塊區(qū)域面積的重復(fù)累加,從而提升距離算法計(jì)算農(nóng)田面積的精度[14-16]。

小麥?zhǔn)侨蚣Z食主產(chǎn)物之一[17-18],在我國(guó)是僅次于水稻、玉米的主要糧食作物,研究小麥?zhǔn)斋@軌跡對(duì)精準(zhǔn)農(nóng)業(yè)的發(fā)展至關(guān)重要。小麥?zhǔn)斋@軌跡包含典型的X形掉頭與U形掉頭軌跡。本文對(duì)小麥?zhǔn)斋@機(jī)田內(nèi)的X形掉頭、作業(yè)異常、U形掉頭與作業(yè)軌跡進(jìn)行識(shí)別。對(duì)收獲機(jī)田內(nèi)軌跡進(jìn)行細(xì)致的劃分,以期為農(nóng)機(jī)作業(yè)效率計(jì)算、農(nóng)田面積計(jì)算和農(nóng)機(jī)路徑規(guī)劃等研究提供參考。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)來(lái)自北斗農(nóng)機(jī)作業(yè)大數(shù)據(jù)系統(tǒng)[12],獲取的數(shù)據(jù)為2022年6月小麥?zhǔn)斋@季在河北、河南、山東等小麥主產(chǎn)區(qū)通過(guò)裝載全球?qū)Ш叫l(wèi)星系統(tǒng)(Global navigation satellite system,GNSS)的收獲機(jī),采集的產(chǎn)品為幅寬為2.75 m、車身長(zhǎng)度為6.8 m的4LZ-8E2型和4LZ-7E5型自走式谷物聯(lián)合收獲機(jī)小麥?zhǔn)斋@軌跡,并通過(guò)人工標(biāo)注獲取田內(nèi)農(nóng)機(jī)軌跡。每條GNSS記錄包含4個(gè)參數(shù):時(shí)間(記為t,格式為YYYY-MM-DD hh:mm:ss)、經(jīng)度(World geodetic system,WGS84世界大地坐標(biāo)系)、緯度(WGS84)和速度(記為v,單位:m/s)。選取時(shí)間間隔5 s占比均在85%以上的5塊已人工標(biāo)注的農(nóng)田,田內(nèi)軌跡共1 969條,作為數(shù)據(jù)集A,用于訓(xùn)練后續(xù)試驗(yàn)中的SVM模型。選取時(shí)間間隔1～5 s占比均在85%以上的數(shù)據(jù),每種時(shí)間間隔選取10塊農(nóng)田內(nèi)的農(nóng)機(jī)軌跡數(shù)據(jù)共50塊,106 058條數(shù)據(jù)作為數(shù)據(jù)集B,用來(lái)測(cè)試算法效果。數(shù)據(jù)集見表1。

表1 數(shù)據(jù)集

數(shù)據(jù)預(yù)處理包含數(shù)據(jù)格式轉(zhuǎn)換、去除停歇點(diǎn)和去除重復(fù)點(diǎn)。格式轉(zhuǎn)換:將原始WGS84坐標(biāo)系下的經(jīng)緯度轉(zhuǎn)換為平面坐標(biāo)系下的x、y,轉(zhuǎn)換后軌跡點(diǎn)pi屬性為(ti,xi,yi,vi),時(shí)間ti格式為YYYYMMDDhhmmss。去除停歇點(diǎn):將速度小于0.5 m/s的連續(xù)軌跡點(diǎn)視為一組停歇點(diǎn)[5],一組停歇點(diǎn)只保留一個(gè)軌跡點(diǎn),其t為這組停歇點(diǎn)中第1個(gè)軌跡點(diǎn)的t,x、y為這組停歇點(diǎn)x、y的均值,v設(shè)為0。去除重復(fù)點(diǎn):當(dāng)存在連續(xù)軌跡點(diǎn)的x、y相同時(shí),保留第1個(gè)軌跡點(diǎn),將其他軌跡點(diǎn)刪除。

1.2 數(shù)據(jù)定義

小麥?zhǔn)斋@機(jī)作業(yè)中的典型路線如圖1所示,收獲作業(yè)從農(nóng)田外沿開始,繞圈向內(nèi)進(jìn)行收獲,其形狀如“回”字,定義為回形軌跡。

圖1 回形收割路徑示意圖

圖1a為收獲機(jī)開始收獲路線。收獲機(jī)開入農(nóng)田后沿麥田外圍走直線收獲至拐角處,為完成轉(zhuǎn)向同時(shí)收獲邊角小麥需進(jìn)行多次前進(jìn)與倒車行為[19],當(dāng)農(nóng)田四周割出5 m左右的割道后進(jìn)入內(nèi)圈收獲[20],內(nèi)圈收獲路線如圖1b所示,空白部分為已收獲完的割道,陰影部分為尚未收獲的作物區(qū)域,此時(shí)收獲機(jī)將以U形掉頭方式進(jìn)行轉(zhuǎn)向,以提高掉頭效率[10]。

為區(qū)分不同軌跡類型,軌跡點(diǎn)中增加label屬性。如圖1所示,回形小麥?zhǔn)斋@軌跡中常采用X形與U形掉頭方式[19]。X形掉頭是指農(nóng)機(jī)在田內(nèi)作業(yè)過(guò)程中為轉(zhuǎn)變行進(jìn)方向而做出的“前進(jìn)-倒車-前進(jìn)”的多次進(jìn)退行為,該類軌跡點(diǎn)對(duì)應(yīng)label屬性記為1,如圖1a的虛線框1處;作業(yè)異常軌跡是指農(nóng)機(jī)行駛時(shí)脫離原軌跡方向,發(fā)生繞行或其他行為,之后又回到原軌跡方向,該類軌跡點(diǎn)對(duì)應(yīng)label屬性記為2,如圖1a的虛線框2處;U形掉頭是指無(wú)需倒車直接轉(zhuǎn)向的行為,該類軌跡點(diǎn)對(duì)應(yīng)label屬性記為3,如圖1b的虛線框3處;除掉頭軌跡與作業(yè)異常軌跡外,其他軌跡為作業(yè)軌跡,該類軌跡點(diǎn)對(duì)應(yīng)label屬性記為0,如圖1a虛線框0處。本文針對(duì)上述4種軌跡對(duì)其進(jìn)行識(shí)別。

為描述農(nóng)機(jī)行駛方向變化,記時(shí)間序列上相鄰的3個(gè)軌跡點(diǎn)為Pi-1、Pi與Pi+1,記Pi-1到Pi的向量為lPi-1Pi。定義軌跡點(diǎn)Pi的角度屬性αi的計(jì)算式為

αi=arccos(lPi-1PilPiPi+1/|lPi-1Pi||lPiPi+1|)

(1)

通過(guò)聚類得到的α較大點(diǎn)稱之為拐點(diǎn),按時(shí)間序列計(jì)算每個(gè)軌跡點(diǎn)到其最近的拐點(diǎn)的歐氏距離,記為軌跡點(diǎn)Pi的D_Ti屬性。

將每個(gè)軌跡點(diǎn)與其時(shí)間序列上的前一個(gè)軌跡點(diǎn)的歐氏距離記為軌跡點(diǎn)Pi的D_Pi屬性。

Δti=ti+1-ti-1

(2)

(3)

(4)

(5)

(6)

αmaxi=max(αi-1,αi,αi+1)

(7)

Rαi=max(αi-1,αi,αi+1)-min(αi-1,αi,αi+1)

(8)

(9)

1.3 技術(shù)路線

本文技術(shù)路線如圖2所示,先對(duì)農(nóng)機(jī)GNSS數(shù)據(jù)進(jìn)行預(yù)處理,再分別用X形掉頭識(shí)別算法與U形掉頭識(shí)別算法識(shí)別出4種軌跡。最后用數(shù)據(jù)集B中的50塊農(nóng)田軌跡數(shù)據(jù)進(jìn)行算法驗(yàn)證,并用距離算法比較原始軌跡數(shù)據(jù)與去除掉頭和異常軌跡后數(shù)據(jù)的面積計(jì)算其精度。

圖2 技術(shù)路線

2 掉頭軌跡識(shí)別

2.1 X形掉頭軌跡識(shí)別

X形掉頭軌跡識(shí)別算法包含2個(gè)模塊:聚類模塊與修正模塊。

聚類模塊執(zhí)行2次K-means聚類,第1次聚類的輸入特征為每個(gè)軌跡點(diǎn)的角度屬性α,設(shè)定類別數(shù)k為2,初步將軌跡分為拐點(diǎn)與其他軌跡點(diǎn)?；诘?步聚類結(jié)果,輸入每個(gè)軌跡點(diǎn)到最近拐點(diǎn)的距離特征D_T進(jìn)行第2步聚類,聚類后初步得到作業(yè)軌跡與X形掉頭軌跡。

基于軌跡片段的聚類修正M1:定義屬于同一軌跡類別且在時(shí)間序列上相鄰的軌跡點(diǎn)為一個(gè)軌跡片段,計(jì)算每個(gè)片段中軌跡點(diǎn)α屬性的標(biāo)準(zhǔn)差、平均值與最大值作為軌跡片段的特征,對(duì)相同軌跡類別的軌跡片段的特征取平均值作為該類別的簇類中心。以軌跡片段為基本單位,計(jì)算每個(gè)軌跡片段到2個(gè)簇類中心的歐氏距離、契比雪夫距離與曼哈頓距離,以投票決策的方式判定該軌跡片段屬于哪一類,并將軌跡片段內(nèi)所有軌跡點(diǎn)的label屬性賦予該類別標(biāo)簽。通過(guò)此過(guò)程,被誤識(shí)別的軌跡片段得到修正。

基于方向變化的修正M2:如圖1所示,X形掉頭前后農(nóng)機(jī)的行進(jìn)方向不同,而作業(yè)異常軌跡往往是作業(yè)中途因避障而出現(xiàn)的繞行行為,故異常軌跡出現(xiàn)前后行進(jìn)方向相同,根據(jù)GNSS的定位誤差和小麥?zhǔn)斋@機(jī)行駛速度,定掉頭前后行駛方向變化小于10°為方向未發(fā)生變化[21-22]。根據(jù)上述特點(diǎn),對(duì)誤識(shí)別為X形掉頭軌跡的作業(yè)異常軌跡進(jìn)行修正。

基于掉頭路線特性的修正M3:X形掉頭軌跡與作業(yè)軌跡相鄰,為有效識(shí)別X形掉頭軌跡,需對(duì)X形掉頭軌跡起止位置進(jìn)行界定:收獲機(jī)在進(jìn)行X形掉頭時(shí),為轉(zhuǎn)變行進(jìn)方向同時(shí)不遺漏作業(yè),機(jī)身越過(guò)已收地至少半個(gè)機(jī)身位后轉(zhuǎn)向[20],本文收獲機(jī)車身長(zhǎng)度為6.8 m,因此將每個(gè)X形掉頭軌跡片段的起始拐點(diǎn)和終止拐點(diǎn)前后各3.4 m的軌跡點(diǎn)歸為X形掉頭軌跡點(diǎn),依此完成對(duì)X形掉頭軌跡邊界的界定。

2.2 U形掉頭軌跡識(shí)別

2.2.1SVM初步識(shí)別

表2 卡方檢驗(yàn)結(jié)果

構(gòu)建基于SVM的U形掉頭軌跡識(shí)別模型,以493條數(shù)據(jù)的5個(gè)與U形掉頭強(qiáng)相關(guān)的特征屬性和label屬性作為模型輸入,將其中80%的數(shù)據(jù)作為訓(xùn)練集。使用通過(guò)人工調(diào)優(yōu)和網(wǎng)格搜索法,確定核函數(shù)為高斯核函數(shù),確定懲罰參數(shù)C為0.21,該模型在測(cè)試集上的分類準(zhǔn)確率為97%,召回率為97%,F1值為97%,可實(shí)現(xiàn)作業(yè)軌跡和U形掉頭軌跡的初步識(shí)別,識(shí)別結(jié)果如圖3所示。

圖3 SVM初步識(shí)別結(jié)果示意圖

圖3中紅色方形為U形掉頭軌跡點(diǎn),黃色三角形為X形掉頭軌跡點(diǎn),藍(lán)色圓形為作業(yè)軌跡點(diǎn)。虛框S0處為正確識(shí)別的U形掉頭軌跡,虛框S1、S2與S3為3種誤識(shí)別情況。

2.2.2基于掉頭軌跡曲率的邊界修正S1

在SVM初步識(shí)別的U形掉頭軌跡中,存在U形掉頭軌跡邊界過(guò)長(zhǎng)或過(guò)短問(wèn)題,如圖3的虛框S1。

虛框S1中的P1、P2為U形掉頭初步識(shí)別結(jié)果的兩個(gè)軌跡邊界點(diǎn)。U形掉頭軌跡是一個(gè)從直線變曲再變直的過(guò)程,為每個(gè)軌跡點(diǎn)構(gòu)造曲率特征可以更精確地描述這種變化。

(1)特征構(gòu)建:定義連續(xù)3個(gè)軌跡點(diǎn)Pi-1、Pi與Pi+1的外接圓曲率為軌跡點(diǎn)Pi的曲率。Pi點(diǎn)坐標(biāo)為(xi,yi),根據(jù)3個(gè)軌跡點(diǎn)坐標(biāo)值計(jì)算外接圓面積S,計(jì)算式為

(10)

3個(gè)軌跡點(diǎn)構(gòu)成的三角形邊長(zhǎng)為a、b、c,與三角形面積S計(jì)算外接圓半徑R

(11)

Pi曲率計(jì)算式為

(12)

(2)設(shè)定U形掉頭邊界點(diǎn)的曲率閾值K:取數(shù)據(jù)集A中標(biāo)注的U形掉頭軌跡的開始點(diǎn)與結(jié)束點(diǎn)的曲率,取最小值作為閾值K。由數(shù)據(jù)集A計(jì)算得K值為0.019 0 m-1。

(3)修正:識(shí)別出U形掉頭軌跡邊界點(diǎn)的曲率值大于(或小于)K時(shí),延長(zhǎng)(或縮短)U形掉頭軌跡至其邊界點(diǎn)曲率值剛好小于K。修正后圖3虛框S1中邊界點(diǎn)由P1、P2變?yōu)镻′1、P′2。

2.2.3基于掉頭時(shí)間差修正S2

(1)計(jì)算最小時(shí)間差:對(duì)每段U形掉頭軌跡片段尋找與其在時(shí)間序列上最近的一段X形掉頭軌跡片段,計(jì)算兩段軌跡片段邊界點(diǎn)PU與PX的最小時(shí)間差ΔtUX,計(jì)算式為

ΔtUX=min(|tU-tX|)

(13)

式中tU——U形掉頭軌跡邊界點(diǎn)PU的時(shí)間屬性

tX——X形掉頭軌跡邊界點(diǎn)PX的時(shí)間屬性

(2)設(shè)定時(shí)間閾值T:取數(shù)據(jù)集A中標(biāo)注的U形掉頭軌跡ΔtUX的最小值,作為時(shí)間閾值T。由數(shù)據(jù)集A計(jì)算得T為30 s。

(3)修正:當(dāng)ΔtUX大于等于閾值T時(shí),保留此段U形軌跡,否則將此段軌跡點(diǎn)類別值label由3恢復(fù)至X形掉頭識(shí)別后的類別值。修正后圖3的虛框S2中U形掉頭軌跡點(diǎn)修正為作業(yè)軌跡點(diǎn)。

2.2.4基于掉頭前后角度變化修正S3

農(nóng)機(jī)在麥田邊角的收獲中也會(huì)出現(xiàn)作業(yè)軌跡被誤識(shí)別為U形掉頭軌跡的情況,如圖3中虛框S3處。因此,通過(guò)掉頭軌跡前后角度的變化來(lái)判斷是否為誤識(shí)別并修正,步驟為:

(1)計(jì)算U形掉頭前后向量:U形掉頭軌跡的開始點(diǎn)與前一個(gè)軌跡點(diǎn)構(gòu)成向量a,U形掉頭軌跡的結(jié)束點(diǎn)與后一個(gè)軌跡點(diǎn)構(gòu)成的向量b,計(jì)算兩個(gè)向量的夾角(計(jì)算方式同式(1)),如圖3所示。

(2)設(shè)定角度閾值D:理想狀態(tài)下U形掉頭軌跡前后方向發(fā)生180°轉(zhuǎn)變[23],即α為180°。但因?qū)嶋H農(nóng)田形狀不規(guī)則,人工操控農(nóng)業(yè)機(jī)械以及GNSS定位精度等因素,U形掉頭軌跡前后方向變化角度不定。取數(shù)據(jù)集A中的U形掉頭軌跡前后向量夾角α的最小值作為角度閾值D。由數(shù)據(jù)集A計(jì)算得D為92.213 3°。

(3)修正:對(duì)通過(guò)S1與S2修正后的SVM結(jié)果中,計(jì)算所有U形掉頭軌跡前后的向量夾角α。當(dāng)α小于閾值D時(shí),此U形掉頭軌跡為誤識(shí)別,將其label值由3恢復(fù)至X形掉頭識(shí)別算法的結(jié)果,當(dāng)α不小于閾值D時(shí),保留此段U形掉頭軌跡。如圖3的虛框S3中U形掉頭軌跡點(diǎn)修正為作業(yè)軌跡點(diǎn)。

3 結(jié)果與分析

3.1 軌跡識(shí)別結(jié)果

選取一塊1.72 hm2的農(nóng)田,對(duì)其進(jìn)行掉頭識(shí)別與修正,結(jié)果如圖4所示。圖4a中5個(gè)虛線框部分為誤識(shí)別軌跡,對(duì)應(yīng)修正過(guò)程見圖4b～4f。

圖4 掉頭軌跡識(shí)別算法分步結(jié)果

圖4中紅色方形為U形掉頭軌跡點(diǎn),藍(lán)色圓形為作業(yè)軌跡點(diǎn),黃色三角形為X形掉頭軌跡點(diǎn),橘黃色菱形為作業(yè)異常軌跡點(diǎn)。

圖4c～4e為X形掉頭識(shí)別與修正:通過(guò)D-K-means聚類方法后得到作業(yè)軌跡與掉頭軌跡,圖4c中c1存在作業(yè)軌跡誤識(shí)別為掉頭軌跡的情況,經(jīng)過(guò)基于軌跡片段的聚類修正方法M1修正后見圖4c的c2;圖4d中d1存在作業(yè)異常軌跡被識(shí)別為掉頭軌跡的情況,經(jīng)過(guò)基于方向變化的修正方法M2后見圖4d的d2;圖4e中e1存在邊界不統(tǒng)一的情況,經(jīng)過(guò)基于收獲機(jī)作業(yè)特性的修正M3后見圖4e的e2。

圖4b、4f為U形掉頭識(shí)別與修正:通過(guò)SVM識(shí)別后初步得到U形掉頭軌跡,圖4b中b1存在邊界長(zhǎng)度不統(tǒng)一的情況,經(jīng)基于掉頭軌跡曲率的邊界修正為圖4b的b2;圖4b中b2存在X形掉頭軌跡相鄰的軌跡點(diǎn)被誤識(shí)別為U形掉頭軌跡(黑色虛線圓框處),經(jīng)基于掉頭時(shí)間差的修正方法S2修正為圖4b的b3;圖4f中f1存在作業(yè)軌跡被誤識(shí)別為U形掉頭軌跡,經(jīng)基于掉頭前后角度變化S3修正為圖4f的f2。

3.2 軌跡識(shí)別算法評(píng)價(jià)

為客觀評(píng)價(jià)收獲機(jī)田內(nèi)軌跡識(shí)別算法的效果,選取準(zhǔn)確率P、召回率R和F1值3種評(píng)價(jià)指標(biāo)進(jìn)行評(píng)價(jià)。表3為數(shù)據(jù)集B的軌跡識(shí)別算法結(jié)果。

表3 軌跡識(shí)別算法結(jié)果

X形掉頭初步識(shí)別與三步修正后F1值由55%提高到95%,表明基于聚類的X形掉頭識(shí)別算法3種修正方法可以有效地對(duì)收獲機(jī)田內(nèi)作業(yè)的X形掉頭軌跡、異常軌跡與作業(yè)軌跡進(jìn)行識(shí)別。在U形掉頭軌跡識(shí)別中對(duì)數(shù)據(jù)集B的50幅田內(nèi)軌跡進(jìn)行識(shí)別,4種軌跡SVM識(shí)別結(jié)果為81%,對(duì)SVM初步識(shí)別結(jié)果進(jìn)行3步修正,修正前后F1值由81%提高到94%,表明X形掉頭軌跡識(shí)別算法與U形掉頭軌跡識(shí)別算法結(jié)合可以對(duì)收獲機(jī)田內(nèi)作業(yè)的4種軌跡進(jìn)行識(shí)別。

實(shí)際應(yīng)用中GNSS設(shè)備采集頻率不同,選取時(shí)間間隔1～5 s的50幅軌跡,每種時(shí)間間隔10幅,及時(shí)間間隔為10、15 s的兩幅農(nóng)田內(nèi)軌跡數(shù)據(jù),表4為軌跡識(shí)別結(jié)果。

表4 不同頻率軌跡數(shù)據(jù)識(shí)別結(jié)果

由表4可見,1～5 s內(nèi)軌跡識(shí)別結(jié)果的3種評(píng)價(jià)指標(biāo)均在85%以上,表示算法在1～5 s時(shí)間間隔的軌跡數(shù)據(jù)中均有良好表現(xiàn)。時(shí)間間隔10、15 s數(shù)據(jù)的X形掉頭識(shí)別結(jié)果明顯較差,主要原因在于當(dāng)數(shù)據(jù)變得稀疏時(shí),軌跡點(diǎn)的連線將從平滑變得尖銳,當(dāng)原作業(yè)軌跡點(diǎn)與U形掉頭軌跡點(diǎn)的α屬性變大時(shí),會(huì)被誤識(shí)別為X形掉頭軌跡點(diǎn)。被誤識(shí)別為X形掉頭的U形掉頭軌跡點(diǎn)會(huì)在SVM初步識(shí)別時(shí)被去除,導(dǎo)致輸入SVM模型的數(shù)據(jù)中無(wú)U形掉頭軌跡片段,因此U形掉頭軌跡識(shí)別結(jié)果為0。綜上,當(dāng)軌跡點(diǎn)時(shí)間間隔為1～5 s時(shí)本算法效果較好。

為進(jìn)一步驗(yàn)證算法的有效性,從數(shù)據(jù)集B中選取一塊標(biāo)注面積為1.72 hm2的農(nóng)田,其軌跡時(shí)間間隔為4 s,分別通過(guò)距離算法計(jì)算軌跡識(shí)別前后的農(nóng)田面積并進(jìn)行對(duì)比。

圖5a為原始軌跡,包含1 479個(gè)軌跡點(diǎn),距離算法計(jì)算面積為2.33 hm2,算法運(yùn)行時(shí)間為369.67 ms;圖5b為X形掉頭識(shí)別結(jié)果,包含X形掉頭軌跡點(diǎn)157個(gè),作業(yè)異常軌跡點(diǎn)16個(gè),如圖中黃色三角形和橘黃色菱形軌跡點(diǎn),去除X形掉頭與異常軌跡點(diǎn)后計(jì)算面積為2.17 hm2,算法運(yùn)行時(shí)間為369.08 ms,誤差相比原始軌跡點(diǎn)面積計(jì)算誤差降低9.51%;圖5c為運(yùn)行U形掉頭識(shí)別結(jié)果,識(shí)別出U形掉頭軌跡點(diǎn)47個(gè),如圖中紅色方形軌跡點(diǎn)。將兩種掉頭軌跡及作業(yè)異常軌跡點(diǎn)均去除后得到圖5d,剩余軌跡點(diǎn)個(gè)數(shù)1 258個(gè),計(jì)算面積為2.11 hm2,算法運(yùn)行時(shí)間為364.10 ms,面積計(jì)算誤差相比標(biāo)注面積仍有22.43%,但相比原始軌跡的計(jì)算面積誤差降低12.76%,比只去除X形掉頭軌跡和異常軌跡誤差降低3.26%。

圖5 收獲機(jī)田內(nèi)軌跡處理過(guò)程

4 結(jié)論

(1)通過(guò)X形掉頭識(shí)別算法識(shí)別出X形掉頭、作業(yè)異常和作業(yè)軌跡點(diǎn),再通過(guò)U形掉頭識(shí)別算法將作業(yè)軌跡點(diǎn)進(jìn)一步識(shí)別出U形掉頭軌跡點(diǎn)。本研究所用的50塊農(nóng)田軌跡數(shù)據(jù)的綜合識(shí)別結(jié)果F1值為94%,時(shí)間間隔1～5 s數(shù)據(jù)的4種軌跡識(shí)別結(jié)果F1值均在90%以上。隨著時(shí)間間隔增加,間隔為10 s與15 s的數(shù)據(jù)識(shí)別效果變差,實(shí)際應(yīng)用時(shí)可參考1～5 s的時(shí)間間隔。

(2)對(duì)一塊1.72 hm2的農(nóng)田作業(yè)軌跡進(jìn)行識(shí)別,去除掉頭軌跡與異常軌跡后通過(guò)距離算法計(jì)算農(nóng)田面積,相比使用原始軌跡,其面積計(jì)算誤差降低12.76%。