面向复杂农田的农业无人机旋转毫米波雷达地形感知

农业无人机要贴着作物冠层飞，才能既保证喷洒沉积、又避免碰撞，而这依赖对地面起伏的准确感知。真实农田里，地面常被作物、杂草或树冠遮挡，地形本身又有梯田、沟壑、坡地等起伏，加上低空飞行带来的光照变化、尘土与水汽干扰，稳定可靠的地形估计并不容易。毫米波雷达因为对光照和部分恶劣条件不敏感、成本又相对可控，被视为有潜力的选项；但已有挂载方案普遍采用固定视场，地形提取方法也多为稠密 LiDAR 数据设计，直接搬到稀疏、带噪的雷达点云上，容易得到残缺、不可靠的地形。这份资料正是围绕这一矛盾展开，提出一套面向复杂农田的低成本旋转毫米波雷达地形感知框架。

工作覆盖从传感设计到重建流程再到实机验证的完整链条。传感层面，作者引入机械旋转的探测方式，让雷达在动态低空飞行中扩大空间覆盖、提升地形可观测性，突破固定视场雷达的局限。算法层面，针对雷达数据稀疏、含噪且只能部分观测的特点，设计了一条位姿一致的地形重建流水线，用于可靠的地面提取与连续地形表面估计。系统部署在真实的农业无人机平台上，通过大量野外实验进行评估，实验场地覆盖茶园山丘、平坦田块、坡地和有水区域等场景。资金方面，研究受国家自然科学基金（Grant 62401188）和浙江省自然科学基金（Grant LQN25F030015）资助，合作方 TopXGun Robotics 在实验实施与研究推进上提供了支持。

材料给出的核心量化结果是地面分割的 F1 分数：所提方法达到 94.42，而最接近的对比方法只有 90.48。这两个数字来自同一套野外实验评估，差距约 4 个百分点。解读来看，在地形感知这类下游任务中，地面分割的每次误判都会传导到高度估计，进而影响贴地飞行的安全裕度；因此这一量级的提升不只是榜单上的名次变化，而意味着更少的漏检地面与更少的误判地面。需要说明的是，材料只给出了 F1 这一项指标的具体数值，其他性能维度以「地形覆盖更完整」「估计精度更高」的定性表述呈现，没有配套数字。

除分割精度外，作者报告的另一类结论是覆盖与连续性。旋转探测带来的更大空间覆盖，配合位姿一致的重建流程，使得在遮挡与部分观测条件下仍能维持连续的地形表面估计，而不是出现空洞或断裂。这直接对应摘要中提出的问题：固定视场加稠密 LiDAR 式提取，会导致地形估计不完整且不可靠。换句话说，这套方案的贡献不止于换一个传感器，而是把「怎么看」（旋转扩大覆盖）与「怎么算」（为稀疏噪声数据定制的重建）作为一对配套设计来处理。最终效果被概括为更稳健的地形跟随飞行。

对实践而言，这项工作的意义在于给出了一条低成本路线：不依赖昂贵 LiDAR，也不要求理想天气与光照，就能在复杂农田里获得可用的地形感知，用于维持相对稳定的离地飞行高度。材料指出，飞行过高会导致雾滴飘移、沉积效率下降，过低则覆盖不足甚至带来碰撞风险，因此地形感知的精度直接绑定作业质量与安全。解读来说，对于在丘陵、山地和梯田等常规农机难以部署的区域作业的农业无人机，这类方案的价值可能比在平整大田更大，因为那里的地形不确定性最高。同时，旋转机械结构本身带来的功耗、振动与可靠性问题，材料未作讨论。

这份资料适合关注农业机器人感知、无人机地形跟随飞行、以及毫米波雷达在户外场景落地的研究者与工程人员阅读。读完可以拿走三点：一是问题定位，即固定视场与面向稠密点云的提取方法是当前机载雷达地形感知的主要瓶颈；二是设计思路，即用机械旋转扩大覆盖、用位姿一致的重建流程适配稀疏噪声数据；三是一个可对照的量化锚点，地面分割 F1 为 94.42，对比方法为 90.48。边界也需要说明：材料呈现的是单一系统的野外实验评估，未给出跨数据集或跨机型的泛化验证；除 F1 外的精度指标缺少具体数值；资助与致谢信息显示研究有企业参与，读者在评估结论时可将这一点纳入考量。

<Society logo(s) and publica- tion title will appear here.> Received XX Month, XXXX; revised XX Month, XXXX; accepted XX Month, XXXX; Date of publication XX Month, XXXX; date of current version XX Month, XXXX. Digital Object Identifier 10.1109/XXXX.2022.1234567 Terrain Perception for Agricultural UAVs in Complex Farmland via Rotating mmWave Radar Zhihao Zhan 1,2, Le Tao 2, Shaobin Li 2, Chenxin Fang 1, Xingrui Yang3, Liang Li 4, Rui Fan 5, and Y uhang Ming1 1School of Computer Science, Hangzhou Dianzi University, Hangzhou, 310018, China 2TopXGun Robotics, Nanjing, 211100, China 3CARDC, Mianyang, 621000, China 4College of Control Science and Engineering, Zhejiang University, Hangzhou, 310027, China 5College of Electronics and Information Engineering, Tongji University, Shanghai, 201804, China Corresponding author: Yuhang Ming (email: [email protected]).