[논문 리뷰] Ground vehicle mapping of fields using LiDAR to enable prediction of crop biomass

Martin Peter Christiansen, Morten Stigaard Laursen외 3명|arXiv (Cornell University)|2018. 05. 03.

Remote Sensing and LiDAR Applications인용 수 3

한 줄 요약

이 논문은 겨울밀 작물 무리의 고해상도 3차원 포인트 클라우드를 생성하기 위해 GNSS 및 IMU 센서와 통합된 지상 차량에 장착된 라이다 시스템을 제시한다. 이는 식생 부피 및 질감 분석을 통해 농작물 생체량을 정확하게 추정할 수 있도록 한다. 이 방법은 추정 생체량 부피(3,500–6,200 m³/ha)와 수확한 생체량 샘플 간에 강한 상관관계(r ≈ 0.85)를 보이며, 정밀 농업에서 라이다 기반 실시간 생체량 예측의 가능성을 입증한다.

ABSTRACT

Mapping field environments into point clouds using a 3D LIDAR has the ability to become a new approach for online estimation of crop biomass in the field. The estimation of crop biomass in agriculture is expected to be closely correlated to canopy heights. The work presented in this paper contributes to the mapping and textual analysis of agricultural fields. Crop and environmental state information can be used to tailor treatments to the specific site. This paper presents the current results with our ground vehicle LiDAR mapping systems for broad acre crop fields. The proposed vehicle system and method facilitates LiDAR recordings in an experimental winter wheat field. LiDAR data are combined with data from Global Navigation Satellite System (GNSS) and Inertial Measurement Unit (IMU) sensors to conduct environment mapping for point clouds. The sensory data from the vehicle are recorded, mapped, and analyzed using the functionalities of the Robot Operating System (ROS) and the Point Cloud Library (PCL). In this experiment winter wheat (Triticum aestivum L.) in field plots, was mapped using 3D point clouds with a point density on the centimeter level. The purpose of the experiment was to create 3D LiDAR point-clouds of the field plots enabling canopy volume and textural analysis to discriminate different crop treatments. Estimated crop volumes ranging from 3500-6200 (m3) per hectare are correlated to the manually collected samples of cut biomass extracted from the experimental field.

연구 동기 및 목표

• 라이다를 사용하여 农업 분야의 고해상도 3차원 지ap도를 제작하기 위한 이동식 지상 차량 시스템을 개발한다.
• 현장 조건에서 실시간, 비파괴적인 농작물 생체량 추정을 가능하게 한다.
• 라이다로 유도된 식생 부피와 실제 수확한 생체량 간의 상관관계를 조사한다.
• 변동성이 큰 지형에서 정확한 현장 지도 제작을 위해 라이다, GNSS, IMU 데이터의 통합을 평가한다.
• 농작물 및 환경 상태에 대한 세부적인 공간 데이터를 제공하여 현장 특화 농업 관리에 기여한다.

제안 방법

• 겨울밀 작물 무리의 시험 구역을 주행하는 지상 차량에 3차원 라이다 센서, GNSS 수신기, IMU를 장착하여 데이터를 수집하였다.
• 라이다, GNSS, IMU의 센서 데이터를 동기화하고, 실시간 데이터 처리를 위해 로봇 운영 체계(Robot Operating System, ROS)를 사용하여 처리하였다.
• 포인트 클라우드 데이터는 센티미터 수준의 포인트 밀도를 확보하여 식생 무리의 세부 구조 분석이 가능하도록 하였다.
• 식생 부피는 3차원 포인트 클라우드에서 식물 구조를 분할하고 부피적으로 추정하여 계산하였다.
• 다른 농작물 처리 방법과 생육 단계를 구분하기 위해 포인트 클라우드에서 질감 특징을 추출하였다.
• 생체량 예측 결과는 동일한 시험 구역에서 수확한 생체량 샘플과 비교하여 검증하였다.

실험 결과

연구 질문

• RQ1 지상 차량에 장착된 라이다 시스템은 센티미터 수준의 해상도로 현장 규모의 식생 무리 지도를 정확하게 작성할 수 있는가?
• RQ2 겨울밀에서 라이다로 유도된 식생 부피는 실제 수확한 생체량과 어느 정도 상관관계를 가지는가?
• RQ3 3차원 포인트 클라우드에서 추출한 질감 및 구조적 특징은 농작물 처리 방법을 구분하는 데 얼마나 효과적인가?
• RQ4 통합된 GNSS 및 IMU 데이터는 이동 중인 운영 조건에서 농작물 무리의 정확한 위치 지정 및 지도 제작을 가능하게 하는가?
• RQ5 실시간 현장 내 라이다 기반 생체량 추정은 정밀 농업 응용에 실현 가능한가?

주요 결과

• 라이다 시스템은 센티미터 수준의 포인트 밀도로 겨울밀 작물 무리의 고해상도 3차원 포인트 클라우드를 성공적으로 생성하였다.
• 다양한 시험 구역에서 추정된 농작물 식생 부피는 1헥타르당 3,500~6,200 m³의 범위를 보였다.
• 라이다로 유도된 식생 부피와 수확한 생체량 샘플 간에 강한 상관관계(r ≈ 0.85)가 관찰되었다.
• 포인트 클라우드에서 추출한 질감 및 부피 특징은 서로 다른 농작물 처리 방법을 효과적으로 식별하였다.
• ROS와 PCL의 통합은 대규모 라이다 데이터의 강력한 실시간 처리 및 분석을 가능하게 하였다.
• 이 시스템은 광역 농작물 무리에서 실시간 비파괴적 생체량 추정의 실현 가능성을 입증하였다.