Collision-Aware Traversability Analysis for Autonomous Vehicles in the Context of Agricultural Robotics

要約

本稿では、農業ロボット工学における安全なナビゲーションのための新しい手法を紹介する。世界的な環境問題の激化に伴い、ロボット工学は、食糧生産に対する需要の増大に対応しつつ、化学物質の使用量を削減するための強力な解決策を提供している。しかし、非構造的な農業環境で動作するロボットの自律性と回復力を確保するためには、大きな課題が残されている。作物や背の高い草のような変形可能な障害物は、硬い障害物と比較して、安全に横断可能であることを識別しなければならない。これを解決するために、我々は、LIDARとマルチスペクトルカメラを用いて再構成した3Dスペクトルマップに基づく、新しい横断可能性分析手法を提案する。この手法により、ロボットは変形可能な障害物との安全な衝突と危険な衝突を区別することができる。植生検出のためのマルチスペクトル測定基準を総合的に評価し、これらの測定基準を拡張環境マップに組み込む。このマップを利用して、ロボットの重量とサイズを考慮した物理学ベースの走行可能性メトリックを計算し、変形可能な障害物を越えて安全なナビゲーションを保証する。

要約(オリジナル)

In this paper, we introduce a novel method for safe navigation in agricultural robotics. As global environmental challenges intensify, robotics offers a powerful solution to reduce chemical usage while meeting the increasing demands for food production. However, significant challenges remain in ensuring the autonomy and resilience of robots operating in unstructured agricultural environments. Obstacles such as crops and tall grass, which are deformable, must be identified as safely traversable, compared to rigid obstacles. To address this, we propose a new traversability analysis method based on a 3D spectral map reconstructed using a LIDAR and a multispectral camera. This approach enables the robot to distinguish between safe and unsafe collisions with deformable obstacles. We perform a comprehensive evaluation of multispectral metrics for vegetation detection and incorporate these metrics into an augmented environmental map. Utilizing this map, we compute a physics-based traversability metric that accounts for the robot’s weight and size, ensuring safe navigation over deformable obstacles.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL