Robotii autonomi de pulverizare a podgoriilor

Previzualizare referat:

Extras din referat:

Introducere

Dezvoltarea unui sistem autonom pentru pulverizarea podgoriilor ar reduce cantitatea de forta de munca necesara si ar fi redirectionat-o catre indeplinirea sarcinilor care ar putea creste randamentul exploatatiei, profitabilitatea agricola si supravietuirea economica. Localizarea, care evalueaza cu precizie locatia robotului, este o problema fundamentala in domeniul robotizarii mobile autonome. Pentru a permite o navigatie autonoma de baza a unui robot de teren, este necesara o lege de control al planificarii traseului. Acest algoritm de navigare necesita cunoasterea starii corecte a robotului la fiecare instanta (adica pozitie, orientare, viteza liniara si unghiulara). Multe metode pentru senzori cu costuri reduse si estimarea starii au fost introduse de-a lungul anilor si fiecare metoda se bazeaza pe anumite ipoteze care nu se mentin intotdeauna in cazul robotului de camp real. De exemplu, multi algoritmi de estimare a starii presupun zgomotul gaussian al cititorilor de senzori. Aceasta ipoteza nu este intotdeauna valida atunci cand se ocupa cu GPS-ul, sau luand masuri intr-o perioada scurta de timp. Prin urmare, este necesar sa se dezvolte un algoritm de estimare exacta a starii, care sa se bazeze pe cat mai multi senzori posibil si va utiliza avantajul fiecarui senzor intr-un mod optim. Pentru navigare este propus un nou algoritm de fuziune a datelor, care a fuzionat optim datele de localizare de la diferiti senzori. Aceasta lucrare incepe cu dezvoltarea unui model cinematic al robotului utilizat pentru estimarea starii de model (filtrare). Se examineaza modul de filtrare a datelor senzorilor si de fuziune a datelor de la toti senzorii (DGPS, IMU si viziune). Este introdus un nou pulverizator de vita de vie si noua sa structura cinetica. Metodologia pentru proiectarea unui sistem de localizare de inalta precizie pentru fuziunea datelor senzorilor, folosind un test de probabilitate ca tehnica de luare a deciziilor pentru alegerea celei mai probabile estimari a starii. Fiecare senzor a fost pre-filtrat in functie de distributia acestuia. Algoritmul de localizare a fost validat folosind simularea platformei robotizate si utilizand odometru vizual bazat pe date video in timp real.

Scopul principal al acestei cercetari a fost acela de a dezvolta un sistem de localizare cu cost redus pentru un robot de pulverizare a podgoriilor (Figura 1) care sa indeplineasca cerintele de precizie de 0,5 m in estimarea pozitiei. Utilizarea unui pulverizator autonom ar permite monitorizarea cantitatii de informatii despre pulverizare si conectivitate (de exemplu, cantitatea de material pulverizat, durata de pulverizare). In ultimii ani s-au dezvoltat o varietate de functii de robot pentru culturi agricole, cum ar fi plantarea, pulverizarea, taierea si culegerea acestora.

Fig. 1 Proiectarea conceptualaa robotului pentru pulverizatorul de vie.

Cercetarea sistemelor de navigatie pentru roboti mobili cu roti consta in selectarea senzorilor, cartografiere, localizare si calea de planificare. Sistemele hardware de navigatie actuale pot fi impartite in doua categorii

1. Bazat pe viziune: reprezentarea mediului se face fie prin baze de date de imagini, fie prin repere vizuale. Ideea utilizarii unei camere ca senzor de navigatie a inceput acum douazeci de ani si devine din ce in ce mai disponibila datorita dezvoltarii puterii computationale pentru procesarea imaginilor. In 2004 a fost prezentat un calcul simplificat, folosind o camera omnidirectionala, care a redus timpul de calcul fara a necesita o locatie precisa. Acest lucru a fost posibil datorita caracteristicilor valorii normalizate RGB (rosu, verde, albastru), care a fost folosit pentru a imparti imaginea rutiera intr-o regiune rutiera si o regiune dubioasa a obstacolelor si obtinerea de date legate de imprejurimi prin viziune stereoscopica (Menegatti, Maeda, & Ishiguro, 2004). In 2007, NASA a prezentat o aplicatie pentru osteometrie stereo vizuala (VO) pentru roverul de explorare Mars cu rezultate de simulare, concluzionand ca VO este un instrument extrem de eficient pentru navigatia terestra, evitarea obstacolelor si pentru cresterea sigurantei conducerii. Sa constatat ca principalul obstacol in calea aplicatiei VO a fost efortul de calcul necesar pentru procesarea imaginilor, adica a fost nevoie de o detectare mai robusta a caracteristicilor. Alte metode combinate cu senzori laser si senzori de soare pentru a imbunatati acuratetea VO si pentru a reduce sensibilitatea la lumina (McManus, Furgale, Stenning, & Barfoot, 2013). Cercetarile lor concluzioneaza ca astfel de tehnici imbunatatesc rezultatele prin adaugarea si integrarea senzorului laser cu VO. Cu toate acestea, pretul senzorilor solare este de circa 10.000 USD, ceea ce face imposibila utilizarea in scopuri agricole.

2.Bazat pe non-vision: Tehnicile de navigatie non-vision variaza si se bazeaza in general pe fuziunea datelor cu mai multe senzori. Senzorii obisnuiti sunt accelerometrele, giroscoapele, sistemul de pozitionare globala (GPS), sonarul, senzorii de proximitate laser etc. Intrebarea despre ce senzor sa aleaga, precum si cum sa combinam optim datele pentru o estimare precisa este o problema interesanta de cercetare discutata in multe re-cautari pana in prezent. Astfel de algoritmi trebuie sa depaseasca zgomotul senzorilor si incertitudinile si sa aleaga cea mai buna optiune folosind tehnicile de luare a deciziilor. In Sukkarieh (2000), este prezentata dezvoltarea teoretica si practica a unui sistem de navigatie inertial, cu costuri reduse, de inalta integritate, pentru utilizarea in aplicatiile autovehiculelor terestre autonome, cu modele de erori de drift asociate cu navigatia inertiala. Sistemul a fost bazat pe sistemul de navigatie globala sat-elita, fuzionat cu senzori de navigatie inertiali pentru detectarea preciziei si a erorilor. Fuziunea datelor implementata in aceasta cercetare se bazeaza pe filtrarea Kalman, presupunand distributii Gauss si nu acopera scenarii non-Gaussian care se refera in mod normal la erorile GPS. Principala problema a fost lipsa de redundanta in senzori si un timp de instalare lung. De asemenea, senzorii utilizati in acest proiect sunt inca destul de costisitori pentru aplicatiile agricole. Un exemplu de performanta mai buna a filtrelor este descris in Simon (2006). In Claraco (2009), este prezentata o abordare a localizarii si cartografiei simultane (SLAM) pe baza unei estimari metrice-topologice hibride.

Bibliografie:

Carpenter, J., Clifford, P., & Fearnhead, P. (1999). Improved particle filter for nonlinear problems. IEE Proceedings e Radar, Sonar and Navigation, 146(1), 2e7.

Claraco, J. L. B. (2009). Contributions to localization, mapping and navigation in mobile robotics. Ph.D. thesis. Spain: University of Malaga.

Engineering Geology Group. (2001). In R. Throner (Ed.), Engineering geology field manual (Vol. 2, p. 446). Washington DC: U.S: Department of the Interior.

Ferguson, D. (2010). Path generation and control for end of row turning in an orchard environment. Master thesis, Ch.2. Pittsburgh: Carnegie-mellon robotics institute.

Forsyth, D. A., & Ponce, J. (2011). Computer vision: A modern

approach (2nd ed.). Cambridge: Pearson.

Fox, D., Burgard, W., & Thrun, S. (1999). Markov localization for mobile robots. Journal of Artificial Intelligence Research, 11, 391e427.

IEEE Std 952(TM). (1998). IEEE standard specification format guide and test procedure for Single-Axis interferometric fiber optic gyros. New York: IEEE.

ISO 22866. (2005). International Standard. Equipment for crop protection. Methods for field measurement of spray drift. Ch. 3. s.l.: ISO.org.

Jiang, R., Klette, R., & Wang, S. (2010). Statistical modeling of long-range drift in visual odometry. In Computer vision e ACCV 2010 Workshops (Vol. 6469, pp. 214e224).

Lambert, A., Furgale, P., Barfoot, T. D., & Enright, J. (2012). Field testing of visual odometry aided by a sun sensor and inclinometer. Journal of Field Robotics, 29(3), 426e444.

Liu, S. J., & Chen, R. (1998). Sequential Monte Carlo methods for dynamical systems. Journal of the American Statzstical Association, 93, 1032e1044.

McManus, C., Furgale, P., Stenning, B., & Barfoot, T. D. (2013). Lighting-invariant visual teach and repeat using appearance-based lidar. Journal of Field Robotics, 30(2), 254e287.

Menegatti, E., Maeda, T., & Ishiguro, H. (2004). Image-based memory for robot navigation using properties of omnidirectional images. Robotics and Autonomous Systems, 47(4), 251e267.

Moravec, H. (1980). Obstacle avoidance and navigation in the real world by a seeing robot rover. Stanford: Stanford University.

NOAA. (2013). Global positioning e Survey manual. s.l.: US Department of Commerce.

Ristic, B., Arulampalam, S., & Gordon, N. (2004). Beyond the Kalman Filter: Particle filters for tracking applications. Norwell, Massachusetts: Artech House.

Download referat

Primești referatul în câteva minute,
cu sau fără cont

Alte informații:
Tipuri fișiere:
docx
Diacritice:
Da
Nota:
9/10 (1 voturi)
Anul redactarii:
2019
Nr fișiere:
1 fisier
Pagini (total):
14 pagini
Imagini extrase:
14 imagini
Nr cuvinte:
3 489 cuvinte
Nr caractere:
19 412 caractere
Marime:
1.18 MB (arhivat)
Nivel studiu:
Master
Tip document:
Referat
Domeniu:
Mecanica
Data publicare:
19.02.2022
Structură de fișiere:
  • Robotii autonomi de pulverizare a podgoriilor.docx
Predat:
Facultatea de Mecanica , Universitatea Tehnica din Cluj-Napoca (master)
Specializare:
ISM
Materie:
Cercetare
An de studiu:
I
Profesorului:
Radu Balan
Nota primita:
Nota 7
Te-ar putea interesa și:
Stiinta economica este stiinta (sistemul de stiinte) care studiaza relatiile de productie in...
.1. Locul istoriei economice in sistemul stiintelor economice Stiinta economica este stiinta...
Sus!