Vollständige Streckenplanung für landwirtschaftliche Roboter auf Rädern

Im Rahmen der CIFRE-Abschlussarbeit von Danial Pour Arab, betreut von Caroline Essert vom IMAGES-Labor der Universität Straßburg, und Matthias Spisser, Innovationsleiter in der Abteilung für autonome Offroad-Anwendungen bei Technology & Strategy, präsentieren wir einen Artikel, der im renommierten Journal of Field Robotics veröffentlicht wurde. Der Artikel stellt die vielbeachtete Arbeit von Danial Pour Arab vor, in der er effiziente Lösungen erforscht, die es landwirtschaftlichen Robotern ermöglichen, landwirtschaftliche Aufgaben in einer vordefinierten Parzelle auszuführen.

In der Agrarindustrie wurden in den letzten zwei Jahrzehnten evolutionäre Anstrengungen unternommen, um präzise autonome Systeme für typische Feldaufgaben wie Ernten, Mähen und Spritzen zu entwickeln. Eines der Hauptziele eines autonomen Systems in der Landwirtschaft besteht darin, die Effizienz zu verbessern und gleichzeitig die Umweltbelastung und die Kosten zu reduzieren. Aufgrund der Art dieser Operationen spielen CCPP-Konzepte (Complete Coverage Path Planning) eine entscheidende Rolle, wenn es darum geht, einen optimalen Pfad zu finden, der das gesamte Feld abdeckt und dabei die Landtopographie, die Betriebsanforderungen und die Eigenschaften des Roboters berücksichtigt. Das Ziel dieses Papiers ist es, einen CCPP-Ansatz vorzuschlagen, der die optimalen Bewegungen mobiler Roboter auf einem landwirtschaftlichen Feld definiert. Zunächst wird eine Methode vorgeschlagen, die auf der Erkundung von Bäumen basiert, um alle möglichen Lösungen zu finden, die einige vordefinierte Einschränkungen erfüllen. Zweitens wird eine Methode zur Überprüfung der Ähnlichkeit und Auswahl optimaler Lösungen vorgeschlagen, um ähnliche Lösungen zu eliminieren und die besten Lösungen zu finden. Die Optimierungsziele bestehen darin, den Abdeckungsbereich zu maximieren und Überschneidungen, die Länge der nicht funktionierenden Pfade und die Gesamtfahrzeit zu minimieren. Unser Ansatz berücksichtigt mehrere Eingänge für den Roboter, um ein breites Spektrum möglicher Lösungen zu untersuchen. Bei Feldern mit einer komplexen Form werden auch verschiedene Trennlinien berücksichtigt, um sie in einfache Polygone aufzuteilen. Unser Ansatz berechnet auch die Landzungenzonen und deckt sie automatisch ab, was zu einem hohen Abdeckungsgrad des Feldes führt.

‍