智能/无人驾驶的林间智能清理抚育作业技术数据集

林间环境复杂运行条件困难，特别是风景名胜区的林间培育，不仅限制了大型装备的应用而且需要绿色环保。本项目拟采用双电机轮边驱动形式的小型化电动履带车，以满足风景名胜区或空间局限的培育作业要求。通过高电压大容量电池与电动履带式相结合合理设计，满足平台稳定运行；利用SLAM技术构造实时地图精准控制路径跟踪；通过构建多源数据融合感知方法，利用深度学习技术 对林间植物进行智能识别与空间确定，实现在复杂环境中的目标精准定位；设计基于个体自适应作业方式的枝条自动剪枝与不相容植物去除装置，根据基于注意力机制的跟踪方法灵活调整杂草和枝条的切除角度和高度。
该数据集包括以下四部分内容：
（1）多传感器融合数据：由GPS与IMU数据集和点云数据集构成；GPS与IMU数据主要包含位置信息和运动状态信息：GPS的经度、纬度、海拔高度，IMU传感器的输出数据，其他辅助数据；点云数据由三维激光雷达数据采集。
（2）林间杂草图像数据采集数据：由林间环境下拍摄的图像以及标注结果原始数据构成，林间有害杂草对象为一枝黄花、红叶石楠样本。
（3）主要树种(组)异速生长模型及森林生物量特征数据：主要数据基于10类主要树种(组)5个龄组(幼龄林、近熟林、中龄林、成熟林、过熟林)实测调查245株样木生物量，包括灌木种类、株丛数、高度、基径、覆盖度等林木生长曲线模型信息。
（4）相关产品示范与性能检测方案、检测结果数据。
数据量共计：1.41GB

搜集汇总

背景与挑战

背景概述

该数据集聚焦于智能无人驾驶的林间清理抚育作业技术，通过集成多传感器融合、SLAM建图与深度学习等方法，实现林间杂草识别和枝条自动剪枝。数据集包含多源感知数据、杂草图像标注、树种生长模型及示范检测结果，总规模约1.41GB，旨在支持森林培育的智能化装备研发。