[論文レビュー] Towards Autonomous Robotic Precision Harvesting: Mapping, Localization, Planning and Control for a Legged Tree Harvester

Edo Jelavic, Dominic Jud+2 more|arXiv (Cornell University)|Jan 1, 2021

Robotic Locomotion and Control被引用数 2

ひとこと要約

本論文は、GPS非利用の森林環境において高精度な木の伐採を実現する完全自律型脚立型ハーベスターシステムを提示する。同時位置特定と地図作成（SLAM）、地形認識型経路計画、および脚立型ロボットの動的制御を統合し、汎用グリッパーを用いて木を把握することで、実世界の森林環境において、フルサイズの油圧機械で初めて完全自律性を達成した。

ABSTRACT

This paper presents an integrated system for performing precision harvesting missions using a legged harvester. Our harvester performs a challenging task of autonomous navigation and tree grabbing in a confined, GPS denied forest environment. Strategies for mapping, localization, planning, and control are proposed and integrated into a fully autonomous system. The mission starts with a human mapping the area of interest using a custom-made sensor module. Subsequently, a human expert selects the trees for harvesting. The sensor module is then mounted on the machine and used for localization within the given map. A planning algorithm searches for both an approach pose and a path in a single path planning problem. We design a path following controller leveraging the legged harvester's capabilities for negotiating rough terrain. Upon reaching the approach pose, the machine grabs a tree with a general-purpose gripper. This process repeats for all the trees selected by the operator. Our system has been tested on a testing field with tree trunks and in a natural forest. To the best of our knowledge, this is the first time this level of autonomy has been shown on a full-size hydraulic machine operating in a realistic environment.

研究の動機と目的

• 高密度な木々と複雑な地形を有するGPS非利用の森林環境において、自律的伐採を実現する挑戦に応えること。
• 脚立型ハーベスターの能力に適合した、マップ作成、局所化、経路計画、制御を統合したシステムを開発すること。
• 現実の森林環境下で、フルサイズの油圧機械を用いて完全自律の伐採ミッションを実現すること。
• 人間の運転に依存する伝統的な森林作業機械の限界を克服し、ナビゲーションと木の把握を自動化すること。

提案手法

• 10 cm解像度の点群を用いて、人間の支援による初期森林領域のマッピングに特化したセンサーモジュールを採用する。
• 可変のクラスタ許容度を備えた点群から標高地図への変換アルゴリズムを実装し、植生をフィルタリングして地形特徴を抽出する。
• 事前に作成された標高地図とセンサーフュージョンを用いて、正確なロボット状態推定のための局所化を実施する。
• ターゲット木への到達姿勢と経路を同時に最適化する単一の経路計画アルゴリズムを開発する。
• 脚立型ハーベスターの動的安定性を活用した、粗い地形を効果的に乗り越える経路追従制御器を設計する。
• 事前に計画された到達姿勢に到達した時点で、汎用グリッパーを用いて木を把握する統合を実現する。

実験結果

リサーチクエスチョン

• RQ1 脚立型ハーベスターは、GPS非利用の森林環境において完全自律の伐採を達成できるか？
• RQ2 提案された標高地図変換および木の検出パイプラインは、密集した植生を有する複雑な森林シーンにおいてどの程度効果的か？
• RQ3 単一の経路計画定式化は、伐採のための到達姿勢と経路をどの程度効果的に最適化できるか？
• RQ4 脚立型ハーベスターの動的制御は、伐採ミッション中に粗い不整地を安定して走破可能にするか？
• RQ5 高密度な植生とごみの多い状況下で、木の検出に起因する主な失敗モードは何か、そしてそれらをどのように緩和できるか？

主な発見

• 本システムは、人工木の木幹を有するテストフィールドおよび自然森林の両方で、完全自律の伐採ミッションを実施した。これは、フルサイズの油圧機械で初めて完全自律性を達成した。
• 木の検出は、密度の高い複雑なシーンでは失敗し、木の冠が重なって一つのクラスタとして統合されることが主な原因となり、誤って検出されない（偽陰性）が主な失敗モードであった。
• ユークリッドクラスタリング段階での低いクラスタ許容度を設定することで、植生のフィルタリングが向上し、偽陽性が減少し、検出精度が向上した。
• 経路計画アルゴリズムは、到達姿勢と経路最適化を効果的にバランスさせ、ターゲット木への安全かつ効率的なナビゲーションを可能にした。
• 脚立型ハーベスターの動的制御により、粗い不整地での安定走破が実現され、複雑な森林環境に適していることが裏付けられた。
• 低解像度の地図（10 cm）が、小さな木の把握を困難にしたため、より高解像度のセンシングまたは改善されたセグメンテーションの必要性が示された。