Multimodal Terrain Traversability Analysis for Unmanned Ground Vehicles in Forestry Environments

Abstract

With the increasing intensity of extreme climate phenomena such as drought, the risk of forest fires has become even greater. A key tool for mitigating the risks posed by these increasingly common conditions is forest perimeter management, the removal of highly flammable material such as branches and dead shrubs – a task often neglected due to the lack of resources and the danger involved. Advances in autonomous navigation create the opportunity to automate this cleanup process with virtually no human resources by equipping the vehicle with sensors capable of providing an understanding of the environment for navigation and safe deployment of actuators that enable identification and removal of combustible material. The accuracy of the perception task is of paramount importance and often impossible to achieve with just a single sensor, so it is important to use auxiliary sensors such as IMU, GPS, etc. To perform autonomous navigation in forest environments, given the variety of observable structures in these areas, which often do not have fixed features as in urban environments (e.g., curbs, crosswalks) and surfaces constructed for navigation purposes, a unique analysis is required to determine whether or not navigation can be performed along the faced path. This analysis aims to obtain a measure of traversability and is performed taking into account various elements such as roughness, slope, elevation and the vehicle's own limitations.In this dissertation, a method of traversability analysis is presented that uses a 3D point cloud obtained from a LIDAR sensor and localization data from GPS and IMU to distinguish zones where traversability is possible/impossible, using parameters such as slope and elevation between surfaces. The method was subjected to various tests in forest environments for which there were no documented tests, and its performance was evaluated in different forest environments and with different sensors. The results are presented and analyzed in the document.

Com o aumento da intensidade de fenómenos climáticos extremos, como a seca, o risco de incêndios florestais tornou-se ainda maior. Uma ferramenta fundamental para mitigar os riscos apresentados por essas condições cada vez mais comuns é a gestão do perímetro florestal, que envolve a remoção de materiais altamente inflamáveis, como ramos e arbustos mortos - uma tarefa frequentemente negligenciada devido à falta de recursos e ao perigo envolvido. Os avanços na navegação autónoma criam a oportunidade de automatizar esse processo de limpeza com virtualmente nenhum recurso humano, equipando o veículo com sensores capazes de fornecer uma compreensão do ambiente para navegação e implantação segura de atuadores que permitem a identificação e remoção de material combustível. A precisão da tarefa de perceção é de extrema importância e muitas vezes impossível de ser alcançada com apenas um único sensor, sendo assim importante usar sensores auxiliares, como IMU, GPS, etc. Para realizar a navegação autónoma em ambientes florestais, dada a variedade de estruturas observáveis nessas áreas, que muitas vezes não possuem características fixas como em ambientes urbanos (por exemplo, passeios, passagens para peões) e superfícies construídas para fins de navegação, é necessária uma análise única para determinar se a navegação pode ou não ser realizada ao longo do caminho enfrentado. Esta análise visa obter uma medida de traversibilidade e é realizada levando em consideração vários elementos, como a rugosidade, inclinação, elevação e as próprias limitações do veículo.Nesta dissertação, é apresentado um método de análise de traversibilidade que utiliza uma nuvem de pontos 3D obtida de um sensor LIDAR e dados de localização de GPS e IMU para distinguir zonas onde a passagem é possível/impossível, usando parâmetros como inclinação e elevação entre superfícies. O método foi submetido a vários testes em ambientes florestais para os quais não havia testes documentados, e o seu desempenho foi avaliado em diferentes ambientes florestais e com diferentes sensores. Os resultados são apresentados e analisados no documento.