[논문 리뷰] Towards Autonomous Robotic Precision Harvesting: Mapping, Localization, Planning and Control for a Legged Tree Harvester

Edo Jelavic, Dominic Jud외 2명|arXiv (Cornell University)|2021. 01. 01.

Robotic Locomotion and Control인용 수 2

한 줄 요약

이 논문은 GPS가 사용 불가능한 산림 환경에서 정밀 나무 베기 작업을 위한 완전 자율적인 다리 다는 수확기 시스템을 제시한다. 동시에 위치 추정 및 맵 생성(SLAM), 지형 인지 경로 계획, 다리 다는 로봇의 동적 제어를 통합하여 일반 목적의 클램프를 사용해 나무를 인식하고 잡는 데 성공했으며, 이는 완전한 크기의 유압 기계에서 실제 산림 조건에서 처음으로 완전 자율성을 달성한 것이다.

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.

연구 동기 및 목표

• 높은 지형 복잡도를 지닌 GPS 사용 불가능한 혼잡한 산림 환경에서 자율 나무 베기 작업의 과제를 해결한다.
• 다리 다는 수확기의 능력에 맞게 맵 작성, 위치 추정, 경로 계획, 제어를 통합한 시스템을 개발한다.
• 실제 산림 조건에서 완전 크기의 유압 기계를 사용해 수확 임무에서 완전 자율성을 실현한다.
• 기존의 인간 운전에 의존하는 산림 기계의 한계를 극복하기 위해 주행 및 나무 잡기 작업을 자동화한다.

제안 방법

• 10cm 해상도의 포인트 클라우드를 이용해 인간 보조 초기 산림 영역 맵핑을 위한 맞춤형 센서 모듈을 사용한다.
• 조정 가능한 클러스터 허용 오차를 가진 포인트 클라우드에서 고도 맵으로의 변환 알고리즘을 구현하여 식생을 걸러내고 지형 특징을 추출한다.
• 사전 맵핑된 고도 데이터와 센서 융합을 통해 정확한 로봇 상태 추정을 위한 국소화를 수행한다.
• 목표 나무로의 접근 자세와 경로를 동시에 최적화하는 단일 경로 계획 알고리즘을 개발한다.
• 다리 다는 수확기의 동적 안정성을 활용해 불규칙한 지형을 효과적으로 통과할 수 있는 경로 따라가기 제어기를 설계한다.
• 사전 계획된 접근 자세에 도달했을 때 일반 목적의 클램프를 사용해 나무를 잡는다.

실험 결과

연구 질문

• RQ1 다리 다는 수확기가 GPS가 사용 불가능한 산림 환경에서 나무 베기 작업을 완전 자율적으로 수행할 수 있는가?
• RQ2 밀도 높은 식생이 있는 혼잡한 산림 환경에서 제안된 고도 맵 변환 및 나무 탐지 파이프라인의 효과성은 어떠한가?
• RQ3 단일 경로 계획 공식이 나무 베기 작업에서 접근 자세와 궤적을 동시에 최적화하는 데 얼마나 효과적인가?
• RQ4 다리 다는 수확기의 동적 제어가 수확 임무 중 불규칙하고 불균일한 지형을 안정적으로 통과시키는 데 어떻게 기여하는가?
• RQ5 높은 식생과 혼잡함 상황에서 나무 탐지의 주요 실패 유형은 무엇이며, 이를 어떻게 완화할 수 있는가?

주요 결과

• 시스템은 인공 나무 줄기로 구성된 시험장과 자연 산림 환경에서 모두 자율 수확 임무를 성공적으로 수행했으며, 완전 크기의 유압 기계에서 완전 자율성을 입증했다.
• 식생이 매우 밀도 높은 장면에서는 나뭇잎이 서로 닿아 하나의 클러스터로 융합되면서 나무 탐지에 실패했으며, 이는 주로 거짓 음성 결과로 나타났다.
• 유도 클러스터링 단계에서 낮은 클러스터 허용 오차를 적용함으로써 식생 필터링이 향상되어 거짓 양성 결과가 감소하고 탐지 정확도가 향상되었다.
• 경로 계획 알고리즘이 접근 자세와 궤적 최적화를 효과적으로 균형 잡아, 목표 나무로의 안전하고 효율적인 주행을 가능하게 했다.
• 다리 다는 수확기의 동적 제어 기능 덕분에 불규칙한 지형에서도 안정적인 이동이 가능했으며, 이는 복잡한 산림 환경에 적합함을 입증했다.
• 낮은 해상도의 맵(10cm)으로 작은 나무를 포착하지 못해 성능에 제한이 있었으며, 이는 더 높은 해상도의 센서나 향상된 세분화 기술이 필요함을 시사한다.