Obstacle Detection System für landwirtschaftliche mobile Robotikanwendungen mit RGB-D-Kameras

Mobile Roboter, die für landwirtschaftliche Aufgaben konzipiert sind, müssen mit herausfordernden unstrukturierten Außenumgebungen umgehen, die normalerweise dynamische und statische Hindernisse aufweisen. Diese Annahme schränkte die Anzahl der in dieser Anwendung verwendbaren Mapping-, Pfadplanungs- und Navigationsalgorithmen erheblich ein. Als repräsentativer Fall muss der autonome Rasenmähroboter, der in dieser Arbeit betrachtet wird, gleichzeitig den Arbeitsbereich bestimmen und Hindernisse erkennen, was eine entscheidende Funktion für seine Effizienz und Sicherheit darstellt. In diesem Kontext sind RGB-D-Kameras die optimale Lösung, da sie ein Szenenbild einschließlich Tiefendaten mit einem Kompromiss zwischen Präzision und Sensor-Kosten liefern. Aus diesem Grund hängen die Effektivität und Präzision der Hinderniserkennung erheblich von den verwendeten Sensoren ab, und der Informationsverarbeitungsansatz hat Auswirkungen auf die Vermeidungsleistung. Die in dieser Arbeit vorgestellte Studie zielt darauf ab, die Hinderniskartierungsgenauigkeit unter Berücksichtigung von sowohl hardware- als auch informationsverarbeitungsbezogenen Unsicherheiten zu bestimmen. Die vorgeschlagene Evaluierung basiert auf künstlichen und realen Daten, um die leistungsbezogenen Genauigkeitsmetriken zu berechnen. Die Ergebnisse zeigen, dass die vorgeschlagene Bild- und Tiefendatenverarbeitungspipeline eine zusätzliche Verzerrung von 38 cm einführt.