[论文解读] 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 2

一句话总结

本文提出了一套完全自主的腿式收割机系统，用于在无GPS信号的森林环境中实现精准树木收割。该系统集成了同步定位与地图构建（SLAM）、地形感知路径规划以及腿式机器人的动态控制技术，使机器人能够在真实森林条件下实现导航、定位与使用通用夹持器抓取树木，首次在全尺寸液压机器上实现了全流程自主作业。

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.

研究动机与目标

• 解决在无GPS信号、杂乱且地形复杂的森林环境中实现自主树木收割的挑战。
• 开发一套集成系统，用于地图构建、定位、路径规划与控制，以适配腿式收割机的能力。
• 在真实森林条件下，利用全尺寸液压机器实现收割任务的全流程自主化。
• 通过自动化导航与树木抓取，克服传统林业机械对人工操作的依赖。

提出的方法

• 使用自定义传感器模块，通过人工辅助方式对森林区域进行初始地图构建，生成分辨率10 cm的点云数据。
• 实现点云到高程图的转换算法，支持可调聚类容差，以过滤植被并提取地形特征。
• 基于预先构建的高程图数据与传感器融合技术，实现精准的机器人状态估计与定位。
• 开发一种单路径规划算法，联合优化抵达目标树木的接近位姿与路径。
• 设计一种路径跟踪控制器，利用腿式收割机的动态稳定性，实现复杂地形的稳健越障。
• 在抵达预规划的接近位姿后，集成通用夹持器完成树木抓取。

实验结果

研究问题

• RQ1 腿式收割机是否能在无GPS信号的森林环境中实现全流程自主树木收割？
• RQ2 所提出的高程图转换与树木检测流程在植被密集、杂乱的森林场景中效果如何？
• RQ3 单一路径规划公式在同时优化接近位姿与轨迹方面能达到何种程度的优化效果？
• RQ4 腿式收割机的动态控制如何实现复杂不平地形上的稳健导航？
• RQ5 在高植被与高杂乱环境下，树木检测的主要故障模式是什么？如何有效缓解？

主要发现

• 该系统在人工树干测试场与自然森林环境中均成功执行了自主收割任务，首次在全尺寸液压机器上实现了全流程自主作业。
• 在高度杂乱的场景中，树木检测失败主要由于树冠接触导致聚类合并，假阴性是主要的故障模式。
• 在欧几里得聚类步骤中降低聚类容差可有效提升植被过滤效果，减少假阳性，提高检测精度。
• 路径规划算法有效平衡了接近位姿与路径的联合优化，实现了安全高效的导航至目标树木。
• 腿式收割机的动态控制确保了在复杂不平地形上的稳定行进，验证了其在复杂森林环境中的适用性。
• 系统性能受限于10 cm分辨率地图对小型树木的捕捉能力，表明需要更高分辨率传感或更优的分割算法。