要約
林業では、高解像度のリモートセンシングデータを取得するためにドローンの使用が増えています。
森林樹冠上での運航はすでに高度に自動化されていますが、森林内での飛行は依然として困難であり、主に手動操縦に頼っています。
密林内では、位置特定のために全地球測位衛星システム (GNSS) に依存することは現実的ではありません。
さらに、ドローンは衝突を避けるために飛行経路を自律的に調整する必要があります。
最近、ロボット工学の進歩により、GNSS が拒否される障害物が多いエリアでもドローンの自律飛行が可能になりました。
この記事では、最先端のオープンソース手法を利用して樹冠下ロボット ドローンのプロトタイプを構築し、森林内でのデータ収集のパフォーマンスを検証することで、自律的な森林データ収集に向けた一歩を踏み出します。
自律飛行能力は、2 つの北方林試験場での複数の試験飛行を通じて評価されました。
樹木のパラメータ推定能力は、車載ステレオカメラデータと写真測量手法を使用して胸高直径 (DBH) 推定を行うことによって研究されました。
プロトタイプは、選ばれた困難な森林環境で飛行を実施し、実験では小型立体写真測量システムによる森林復元において優れた性能を示しました。
ステム検出アルゴリズムは、ステムの 79.31 % を識別することに成功しました。
DBH 推定では、すべてのツリーにわたって二乗平均平方根誤差 (RMSE) が 3.33 cm (12.79 %)、バイアスが 1.01 cm (3.87 %) でした。
DBH が 30 cm 未満の木の場合、RMSE は 1.16 cm (5.74 %)、バイアスは 0.13 cm (0.64 %) でした。
DBH の精度、自律性、およびフォレストの複雑さの観点から全体的なパフォーマンスを考慮すると、提案されたアプローチは科学文献で提案された方法と比較して優れていました。
結果は、ドローンを使用した自律的な森林再構築に関する貴重な洞察を提供し、いくつかのさらなる開発トピックが提案されました。
要約(オリジナル)
Drones are increasingly used in forestry to capture high-resolution remote sensing data. While operations above the forest canopy are already highly automated, flying inside forests remains challenging, primarily relying on manual piloting. Inside dense forests, reliance on the Global Navigation Satellite System (GNSS) for localization is not feasible. Additionally, the drone must autonomously adjust its flight path to avoid collisions. Recently, advancements in robotics have enabled autonomous drone flights in GNSS-denied obstacle-rich areas. In this article, a step towards autonomous forest data collection is taken by building a prototype of a robotic under-canopy drone utilizing state-of-the-art open-source methods and validating its performance for data collection inside forests. The autonomous flight capability was evaluated through multiple test flights in two boreal forest test sites. The tree parameter estimation capability was studied by conducting diameter at breast height (DBH) estimation using onboard stereo camera data and photogrammetric methods. The prototype conducted flights in selected challenging forest environments, and the experiments showed excellent performance in forest reconstruction with a miniaturized stereoscopic photogrammetric system. The stem detection algorithm managed to identify 79.31 % of the stems. The DBH estimation had a root mean square error (RMSE) of 3.33 cm (12.79 %) and a bias of 1.01 cm (3.87 %) across all trees. For trees with a DBH less than 30 cm, the RMSE was 1.16 cm (5.74 %), and the bias was 0.13 cm (0.64 %). When considering the overall performance in terms of DBH accuracy, autonomy, and forest complexity, the proposed approach was superior compared to methods proposed in the scientific literature. Results provided valuable insights into autonomous forest reconstruction using drones, and several further development topics were proposed.
arxiv情報
| 著者 | Väinö Karjalainen,Niko Koivumäki,Teemu Hakala,Jesse Muhojoki,Eric Hyyppä,Anand George,Juha Suomalainen,Eija Honkavaara |
| 発行日 | 2025-01-21 11:59:07+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google