3. 农田边界与障碍物提取

路径规划的第一步不是算路径，而是先回答“地在哪、地里有什么”。农田边界决定了作业区域的可行范围，内部障碍物决定了哪些位置必须绕行或抬升机具。本节把这两件事放在同一条数据处理链上：从遥感影像、GPS轨迹、地块矢量三类数据中提取边界，再单独提取电杆、树木、水井等障碍物，最终统一到同一坐标系下，生成可供路径规划使用的栅格或矢量地图。

三类数据源的特性与选择

不同数据源提取边界的难度和精度差异很大，选错源往往在后续反复返工。遥感影像（如无人机正射影像、卫星影像）适合地块规整、边界清晰的场景，通过目视解译或植被指数阈值分割即可勾出田块，但受云层、阴影、作物倒伏影响，边界容易“糊”；GPS轨迹是农机实际行走留下的点序列，天然贴合可通行区域，但轨迹只覆盖机具走过的部分，地头、边角常常缺失；地块矢量数据（如确权数据、土地流转平台导出的Shapefile）边界最规整，但可能与实际地形、沟渠存在偏移，需要现场校核。

工程上常见的做法是“矢量打底、影像修正、轨迹补漏”：以矢量地块为初始边界，叠加正射影像检查是否与田埂、道路吻合，再用GPS轨迹验证机具实际可达范围。三者不一致时，以影像和轨迹为准，矢量仅作参考。

边界提取的关键处理

无论哪种源，边界提取都要经过“去噪—闭合—简化—校正”四步。以GPS轨迹为例，原始点包含停车怠速的抖动点和重复点，先按时间间隔和速度阈值剔除静止点，再按Douglas-Peucker算法简化折线，容差取0.3～0.5 m（对应常见农机定位精度），最后检查多边形是否闭合、是否存在自相交。遥感影像则先做NDVI或ExG（超绿指数）分割，把田块与道路、沟渠分开，再用形态学闭运算填补孔洞，最后矢量化得到边界。

需要特别注意的是坐标系。GPS轨迹通常是WGS84经纬度，而农机导航和路径规划多用本地平面坐标（如UTM或地方独立坐标系）。必须先把所有数据统一投影到同一平面坐标系，否则边界与障碍物的相对位置会出现米级偏差。示例中若采用UTM 50N带，投影后坐标单位为米，后续栅格分辨率取0.1 m或0.2 m都与机具幅宽匹配。

内部障碍物的提取与表达

电杆、树木、水井这类障碍物体积小、分布散，靠影像自动识别容易漏检，实践中多采用“影像预标+现场实测”的方式。在正射影像上人工圈出疑似障碍物位置，导出其中心点坐标，再到田间用RTK复核，记录障碍物类型、中心坐标、影响半径。电杆影响半径一般取0.3～0.5 m（含拉线），树冠按实际投影半径取1～3 m，水井按井口加安全距离取0.5～1.0 m。这些参数直接决定路径规划时的绕行距离和机具抬升触发点。

障碍物在矢量地图中表示为带属性的点或圆，在栅格地图中则通过“膨胀”操作把障碍物半径映射为若干不可通行栅格。膨胀半径应等于障碍物影响半径加机具半幅宽再加安全余量，例如机具幅宽6 m、安全余量0.5 m、电杆影响半径0.4 m，则膨胀半径约为0.4+3+0.5=3.9 m。这一步做错，规划出的路径会贴着电杆走，实际作业时必然碰撞或漏作业。

栅格与矢量的取舍

矢量地图保留精确几何，适合计算绕行距离、生成地头转弯曲线，但障碍物膨胀和碰撞检测需要额外的几何运算；栅格地图把空间离散为规则网格，障碍物膨胀、可通行判断、A*或Dijkstra搜索都变成简单的数组操作，实现门槛低，代价是分辨率越高内存占用越大。实践中常用“矢量存边界、栅格做规划”的混合方式：边界和障碍物以矢量保存并带属性，规划前按需栅格化，分辨率取0.1～0.5 m，与机具定位精度和幅宽匹配。

无论选哪种，交付前都要做一致性检查：边界面积与矢量源偏差是否在允许范围（一般不超过2%）、障碍物数量与现场清单是否一致、膨胀后的不可通行区域是否覆盖了所有障碍物影响范围。检查通过的地图，才是路径规划可以放心使用的输入。