Hybride 3D-Bahnplanung für eine optimierte Abdeckung von landwirtschaftlichen Feldern: Ein neuer Ansatz für Roboter auf Rädern

In diesem Artikel wird ein neuer hybrider Ansatz (H-CCPP) zur Optimierung der Abdeckungspfadplanung für Agrarroboter vorgestellt. Im Gegensatz zu früheren Methoden verbessert H-CCPP die Verarbeitungsgeschwindigkeit, erforscht verschiedene Fahrtrichtungen und integriert Reihenüberspringungsmuster sowohl für einfache als auch für komplexe Felder. Das Verfahren bestimmt automatisch Ein- und Ausstiegspunkte und wurde anhand eines Datensatzes von 30 französischen Feldern rigoros evaluiert. Dabei zeigte sich eine überragende Leistung bei der Minimierung der Neigungskosten bei gleichzeitiger Beibehaltung der Effizienz in anderen Schlüsselmetriken. Zukünftige Forschungsarbeiten werden sich auf die Verbesserung der Vorgewendeabdeckung, die Integration von Experimenten in der realen Welt, den Umgang mit Hindernissen und die Optimierung der Multi-Roboter-Koordination konzentrieren.

In den letzten Jahrzehnten hat die Landwirtschaftsindustrie erhebliche Fortschritte bei autonomen Systemen, wie z. B. Radrobotern, gemacht, mit dem vorrangigen Ziel, die Effizienz zu verbessern und gleichzeitig die Auswirkungen auf die Umwelt zu verringern. In diesem Zusammenhang ist die Bestimmung eines Pfades für den Roboter, der die Abdeckung optimiert und gleichzeitig die Topographie, die Robotereigenschaften und die betrieblichen Anforderungen berücksichtigt, von entscheidender Bedeutung. In diesem Beitrag stellen wir H-CCPP vor, ein neuartiges hybrides Verfahren, das die Vorteile der umfassenden Abdeckung unseres früheren Ansatzes O-CCPP mit der Recheneffizienz des Fields2Cover-Algorithmus kombiniert. Neben der Optimierung des Abdeckungsbereichs, der Überschneidungen und der Gesamtreisezeit verbessert es den Berechnungsprozess erheblich und erhöht die Flexibilität der Trajektoriengenerierung. H-CCPP berücksichtigt auch die Geländeneigung, um der Bodenerosion und dem Energieverbrauch entgegenzuwirken. Um diesen innovativen Ansatz zu unterstützen, haben wir einen öffentlichen Datensatz mit 2D- und 3D-Darstellungen von 30 landwirtschaftlichen Feldern erstellt und zur Verfügung gestellt. Diese Ressource ermöglicht es uns nicht nur, die Effektivität unseres Ansatzes zu veranschaulichen, sondern liefert auch unschätzbare Daten für die zukünftige Forschung im Bereich der flächendeckenden Trassenplanung (CCPP) für die moderne Landwirtschaft.