为解决目前林木装备在作业时由于林区环境、地形复杂、障碍物的存在而导致的工作效率较低,危险较大的问题。本课题拟基于二维激光测距仪和红外热像仪来对林区环境信息进行采集。通过信息融合技术,利用机器学习算法,对林区采育目标进行检测和识别,并在图片中进行显示,为采育作业操作员提供辅助信息,从而弥补人眼判断的不足,降低作业危险,为实现林业装备智能化奠定理论与技术基础。本文的主要研究工作和结论有以下几方面内容：1.根据林区环境特点以及实际试验条件,选择二维激光测距仪和红外热像仪来采集林区环境信息,利用上位机对传感器的信息采集和存储进行控制,并对采集到的信号进行预处理。2.根据两种传感器的工作原理,通过传感器内部标定和外部联合标定将二维激光点与图像中目标进行标定和匹配,从而获取图像中我们需要的目标区域,同时由激光坐标得到目标的位置信息。根据标定结果标定参数进行了校正,得到更准确的目标区域,为后续的目标识别提供依据。3.将红外热像仪采集到的可见光图像和红外热图像进行融合,分别利用PCA(主成分分析)和PCNN(脉冲耦合神经网络)两种算法进行了图像融合。基于图像对目标特征进行了选择和提取,为后续建立目标分类模型提供数据依据。4.基于前期采集到的树木、行人和岩石的150组样本数据,分别采用当前流行的机器学习算法,包括AdaBoost、K近邻、人工神经网络和支持向量机对其进行了分类识别。其中针对神经网络算法通过组合不同的训练函数,找到对本数据库分类性能最好的四种模型。5.针对支持向量机算法进行进一步研究。基于后期采集的500组样本数据,从两方面对其进行了优化和改进。一方面通过不同的优化算法对SVM内部参数进行了优化；另一方面建立模糊向量机,提出了一种新的模糊隶属度计算方法,并基于不同的数据库进行了验证。改进后的SVM分类模型在采育目标的识别中可达到96%以上的识别正确率。