Erkennung von Feldkonturen und Hindernissen für automatisierte Landmaschinen: Eine multitemporale Segmentierungsmethode basierend auf Sentinel-2-Satellitendaten

Abstract

Aufgrund der zunehmenden Automatisierung von Landmaschinen können Bediener unter anderem während der Ernte zusätzliche Tätigkeiten ausführen, wodurch die subjektive Beanspruchung in kognitiv unterfordernden Situationen reduziert werden kann. Da diese Tätigkeiten den Bediener von der Fahraufgabe ablenken, ist es wichtig, die Umgebungsbedingungen genau zu kennen. Dazu zählen vor allem die Feldkontur und Points of Interest (POI), wie z. B. Hindernisse. Damit die Bediener in einem potenziell hindernisreichen Feld zusätzliche Tätigkeiten ausführen können, müssen diese wichtigen Bereiche, die erhöhte Aufmerksamkeit benötigen, ermittelt werden. In diesem Artikel wird eine Methode vorgestellt, um die Kontur des Feldes und die POIs zu erkennen. Dazu werden frei verfügbare Sentinel-2-Satellitendaten verwendet. Die Bilddaten werden mit einer multitemporalen Region-Growing-Segmentierung verarbeitet. Insgesamt wurden zehn verschiedene Felder in Norddeutschland untersucht. Die Wahl der Seed-Points und die Parameterwerte wurden empirisch analysiert und optimiert. Diese Methode führt zu zufriedenstellenden Resultaten, wenn geeignete Satellitenbilddaten und Seed-Points verwendet werden. Der mittlere Jaccard-Index (JI) über alle ausgewählten Felder beträgt dabei 0,913.