[논문 리뷰] Fields2Cover: An open-source coverage path planning library for unmanned agricultural vehicles

Gonzalo Mier, João Valente외 1명|arXiv (Cornell University)|2022. 10. 14.

Soil Mechanics and Vehicle Dynamics인용 수 6

한 줄 요약

Fields2Cover는 농업 로봇 분야의 커버리지 경로 계획(CPP)을 위한 오픈소스이자 모듈식 라이브러리로, 통합된 헤드랜드 생성, 스위시트 계획, 경로 최적화, Dubins/Reeds-Shepp 경로 스무딩을 통해 자율 주행 차량의 경로 계획을 가능하게 한다. 凸한 농경지 지원, 최신 8종의 방법과 7종의 목적 함수에 대한 벤치마킹, AgBot을 활용한 시뮬레이션 및 현장 테스트를 통한 실현 가능성 검증을 통해 재현 가능하고 커뮤니티 기반의 CPP 연구를 크게 발전시켰다.

ABSTRACT

This paper describes Fields2Cover, a novel open source library for coverage path planning (CPP) for agricultural vehicles. While there are several CPP solutions nowadays, there have been limited efforts to unify them into an open source library and provide benchmarking tools to compare their performance. Fields2Cover provides a framework for planning coverage paths, developing novel techniques, and benchmarking state-of-the-art algorithms. The library features a modular and extensible architecture that supports various vehicles and can be used for a variety of applications, including farms. Its core modules are: a headland generator, a swath generator, a route planner and a path planner. An interface to the Robot Operating System (ROS) is also supplied as an add-on. In this paper, the functionalities of the library for planning a coverage path in agriculture are demonstrated using 8 state-of-the-art methods and 7 objective functions in simulation and field experiments.

연구 동기 및 목표

• 농업 로봇 분야에서 커버리지 경로 계획(CPP)에 대한 통합적이고 오픈소스 소프트웨어의 부족으로 인해 알고리즘의 벤치마킹과 재현성이 저해되고 있다는 문제를 해결하기 위해.
• 다양한 차량, 목적 함수, 계획 기법을 하나의 라이브러리에서 지원하는 모듈식이고 확장 가능한 소프트웨어 프레임워크를 제공하기 위해.
• 표준화된 벤치마킹 도구를 통해 최신 CPP 알고리즘 간의 비교를 가능하게 하여 연구 및 응용의 가속화를 위해.
• ROS와의 통합 및 시뮬레이션 및 현장 실험을 통한 성능 검증을 통해 실현 가능한 구현을 지원하기 위해.
• 凸한 농경지 외의 분야로의 CPP 기능 확장을 지속적으로 발전시킬 수 있는 커뮤니티 기반 플랫폼을 구축하기 위해.

제안 방법

• 라이브러리는 헤드랜드 생성기(일정 폭), 스위시트 생성기(브루트포스 최적화기), 루트 플래너(보우스트로페딕, 뱀무늬, 사용자 정의 패턴), 경로 플래너(Dubins 및 Reeds-Shepp 곡선을 통한 회전)의 네 가지 핵심 모듈로 구성되어 있다.
• 각 모듈은 최소한 하나의 최신 기법을 지원하며, 총 경로 길이, 전복 횟수, 전복 길이 등과 같은 목적 함수를 사용자 정의할 수 있다.
• 헤드랜드 생성기는 농경지 경계에서 조작 공간을 확보하여 불필요한 커버리지 영역을 줄여 효율성을 향상시킨다.
• 스위시트 생성은 기준선과 최적화를 통해 총 스위시트 길이 또는 전복 횟수를 최소화하는 데 초점을 맞춘다.
• 경로 계획은 차량 운동학적 제약을 충족시키는 부드럽고 곡률 연속적인 전복 경로를 생성하기 위해 Dubins 및 Reeds-Shepp 곡선을 활용한다.
• 라이브러리는 ROS 인터페이스 애드온을 포함하며, 다양한 목적 함수에 대한 계산 시간 분석도 지원하여 커버리지 기반 목적 함수의 경우 계산 시간이 농경지 면적에 비례하여 선형 증가하는 것을 확인했다.

실험 결과

연구 질문

• RQ1 통합적이고 오픈소스 소프트웨어 라이브러리가 농업 로봇 분야의 커버리지 경로 계획 알고리즘의 재현성과 벤치마킹을 어떻게 향상시킬 수 있는가?
• RQ2 농경지 크기와 차량 폭에 비례하여, 다양한 목적 함수의 계산 성능는 어떻게 나타나는가?
• RQ3 다양한 루트 플래닝 패턴(예: 뱀무늬, 보우스트로페딕)은 실제 농경지 조건에서 경로 효율성과 전복 복잡성에 어떤 영향을 미치는가?
• RQ4 다양한 차량 유형과 농업 응용 분야를 지원할 수 있는 모듈식이고 확장 가능한 소프트웨어 아키텍처의 가능성을 어느 정도 구현할 수 있는가?
• RQ5 운동학적으로 타당한 전복 곡선(Dubins/Reeds-Shepp)의 통합이 경로 품질과 실현 가능한 실행에 어떤 영향을 미치는가?

주요 결과

• 라이브러리는 시뮬레이션과 실제 현장 실험 모두에서 8종의 최신 기법과 7종의 목적 함수를 활용해 凸한 농경지에 대한 커버리지 경로 계획을 성공적으로 구현했다.
• AgBot을 활용한 현장 실험 결과, 계획된 경로는 실행 가능했지만, 기록된 GNSS 데이터에서 차량의 최소 전복 반경 제약으로 인해 계획된 것보다 넓은 전복이 발생한 것으로 확인되었다.
• 커버리지 목적 함수의 계산 시간은 농경지 면적에 비례하여 선형 증가하는 반면, 다른 목적 함수는 면적의 제곱근 비례로 증가하여 커버리지 평가의 계산 비용이 높음을 시사한다.
• 브루트포스 알고리즘은 총 계산 시간의 80% 이상을 차지하여, 목적 함수 평가의 최적화가 필수적임을 시사한다.
• 6개월 이내로 커뮤니티의 활발한 참여를 이끌어내어 GitHub 스타 수 150개 이상, 활발한 기여를 통해 라이브러리의 관련성과 유용성을 입증했다.
• 모듈식 설계 덕분에 확장성이 뛰어나 향후 비凸한 농경지, 장애물, 경사 지형, 영구작물(예: 과수원) 등에 대한 지원 계획이 수립되어 있다.