【目的】为奠定垄作甘蓝收获自动化作业基础，针对成熟期甘蓝叶片对垄沟遮挡严重、传统导航线拟合算法偏差较大等问题，开展基于截断均值方法改进RANSAC算法的甘蓝垄沟识别与导航线拟合研究。【方法】首先采集不同遮挡程度的垄沟数据，利用数据增强的方式制作甘蓝垄沟数据集，并通过网格法（Grid Method）统计的方式将数据集分为轻微遮挡（Low）、较多遮挡（Middle）和严重遮挡（High）三类，然后利用机器视觉算法对轻微遮挡、较多遮挡和严重遮挡的垄沟进行图像预处理与图像分割获得垄沟位置信息，再通过数学形态算法对垄沟信息实现初步去噪，并通过轮廓函数（FindContours）进一步去噪同时获得垄沟边界坐标信息，随后利用垄沟边界提取垄沟中点点云作为导航线拟合的参考点。最后开展随机样本一致算法（Random Sample Consensus, RANSAC）、最小二乘法（Ordinary Least Squares, OLS）与Huber损失函数导航线拟合对比试验，【结果】结果表明RANSAC算法效果更佳，在此基础上结合截断均值方法改进RANSAC算法开展导航线拟合试验，试验结果表明，以原始图像作为处理对象时，改进RANSAC算法相较传统算法，轻微遮挡与严重遮挡拟合准确率提升效果显著，分别提高5.7与8.4个百分点。以数据增强图像为处理对象时，发现改进算法仍整体优于传统算法。但亮度增强的处理方式对拟合效果的干扰最大，相较原始图像，严重遮挡拟合准确率最高降低9.9个百分点，而几何变换与高斯模糊对拟合效果的影响次之，亮度降低的影响最小。【结论】试验结果证明改进RANSAC算法能有效提高导航线拟合精度，且具有较高的鲁棒性。
Wu et al. (Sun,) studied this question.