Суть исследований профессора Такуи Фудзинаги заключается в глубокой интеграции технологии LiDAR с сельскохозяйственной средой, чтобы роботы могли выполнять высокоточную автономную навигацию и сбор урожая в системе возделывания на возвышенных грядках. Система состоит из трех основных модулей: восприятие окружающей среды и построение карты, планирование пути и отслеживание управления, позиционирование и динамическое избегание препятствий, и система была протестирована в виртуальном моделировании и реальных тепличных условиях.
Сначала робот сканирует окружающую среду в реальном времени с помощью установленного датчика LiDAR для создания плотных данных облака точек. После фильтрации, кластеризации и извлечения признаков облако точек преобразуется в двухмерную или трехмерную карту, которая может четко обозначать ключевые элементы, такие как край грядки, рабочий канал и препятствия. Это обеспечивает высокоточные входные данные об окружающей среде для алгоритма навигации, давая роботу возможность пространственного восприятия, похожую на «зрение».
С точки зрения планирования пути система объединяет глобальное планирование пути с локальными стратегиями избегания препятствий в реальном времени. Глобальный путь в основном использует алгоритм A* или Дейкстры для расчета оптимального пути от текущего положения робота до целевой точки; в процессе выполнения локальная корректировка пути использует метод динамического окна (DWA) или управление с прогнозированием модели (MPC), которые могут динамически корректировать траекторию движения в соответствии с окружающей средой в реальном времени, чтобы гарантировать, что робот может стабильно и плавно перемещаться между возвышенными гребнями.
Особенно в тестах «прямых гребней культивации» и «кривых или угловых сцен» навигационная система показала себя хорошо и смогла контролировать отклонение расстояния от края гребня в пределах 10 см, эффективно снижая риск столкновения или смещения. Такая точность особенно важна для культур с высокой добавленной стоимостью, таких как клубника и томаты, которые необходимо собирать точно.
В то же время система использует технологию позиционирования на основе лазерного SLAM (одновременная локализация и картирование), которая может строить карты в реальном времени и точно оценивать положение и позу робота в закрытой среде без сигналов GPS. Этот адаптивный метод позиционирования делает его особенно подходящим для полуструктурированных сельскохозяйственных сценариев, таких как теплицы.
Профессор Фудзинага отметил: «Мы не только разработали набор алгоритмов, но и попытались создать структуру, которая позволяет сельскохозяйственным роботам «понимать» сельскохозяйственную среду и разумно реагировать в ней. Если роботы смогут двигаться более точно в полях, они смогут выполнять задачи, выходящие далеко за рамки сбора урожая, включая мониторинг заболеваний, обрезку, опрыскивание и другие операции».
Это исследование подтвердило стабильность и масштабируемость системы и было опубликовано в журнале «Компьютеры и электроника в сельском хозяйстве», предоставив важную техническую поддержку для строительства интеллектуальных ферм и сделав важный шаг к практическому применению сельскохозяйственных роботов.
Ссылка: https://www.asiaresearchnews.com/content/farm-robot-autonomously-navigates-harvests-among-raised-beds