Navigace zemědělského robota v ovocném sadu

Abstract

Tato práce se zaměřuje na implementaci konceptu Zemědělství 4.0 v ovocném sadu. Klíčovým prvkem je zde fúze senzorů zahradního robota pro tvorbu robotické mapy. Teoretická část se zaměřuje na popis konceptu Zemědělství 4.0 z hlediska využitých technologií, využitých přístupů a praktických aplikací. Druhá část popisuje obecné přístupy k fúzi senzorických dat a obsahuje rozdělení jednotlivých metod doplněných o jejich stručný popis. Poslední část pojednává o robotickém mapování, jeho výzvách, algoritmech a typech map. Praktická část se zabývá zpracováním roboticky naměřených senzorických dat. Data z kamer, senzorů GPS, enkodérů a lidaru jsou zde využita pro detekci jednotlivých stromů. Součástí práce je i vyvinutý program v prostředí Python, jehož výstupem je robotická mapa prostředí. Ke každému detekovaném stromu v mapě jsou přiděleny jeho fotografie a informace o jeho relativní a absolutní poloze. Další část se zabývá režimem poloautonomního snímkování doplněného o vývoj uživatelského rozhraní zobrazujícího informace klíčové pro operátora vozidla. Poslední část obsahuje konceptuální návrh autonomních prvků řízení robota včetně vedení v řadě, zastavování a otočky.

This thesis focuses on the implementation of Agriculture 4.0 concepts in an orchard setting with key emphasis on the sensor fusion of a garden robot for the creation of robotic map. The theoretical section provides an in-depth exploration of the Agriculture 4.0 concept, examining the technologies employed, approaches adapted and practical applications. The second part outlines general strategies for sensor data fusion, presenting a classification of various methods accompanied by concise descriptions. The final section addresses the intricacies of robotic mapping, discussing its challenges, algorithms, and several map types. The practical section revolves around processing sensor data acquired by the robot. Data from cameras, GPS sensors, encoders, and LiDaR are used for the detection of individual trees. This part of the work also includes development of a Python program designed to generate robotic map of the environment. Each identified tree on the map is associated with its photographs and information about its relative and absolute position. Next segment focuses on a semi-autonomous mode of capturing pictures complemented by the creation of a user interface displaying crucial information for the robot operator. The concluding section encompasses the conceptual design of autonomous robot control elements covering aspects such as row following, stopping, and turning.