LiDAR-based Topological Mapping of Orchard Environments

Abstract

Autonomous agricultural mobile robots have seen increasing use for multiple tasks in recent years, as the human population grows and consequences of global warming become more severe. Autonomous behaviour can be better accomplished if the robot is able to localize itself and build a reliable map of its surrounding environment. The large size of agricultural environments requires a more compact map representation to reduce memory and processing requirements, and using topological maps in those environments is a good option in that direction. This dissertation proposes a novel application of topological maps with a focus on orchards, where the trees with their distinctive features serve as the nodes and the neighborhoods of the trees serve as the edges for the topological maps. The proposed solution integrates a distance-based approach alongside an Iterative Closest Point (ICP)-based method to effectively recognize the nodes of the topological map of the orchard. In addition, a localization strategy was implemented to showcase the system’s ability to estimate the robot’s position in the previously built map. Robot Operating System (ROS) was used to implement a set of stages in a pipeline which filter and segment 3D point clouds to extract the tree trunks of the orchard, build a topological map, and obtain an estimate of the robot’s position on the map. Preliminary results using real-world 3D Light Detection And Ranging (LiDAR) data collected in an orchard are presented to validate the proposed approach.

Nos últimos anos, à medida que a população humana cresce e as consequências do aquecimento global se tornam mais severas, os robôs móveis agrícolas autónomos têm vindo a ser cada vez mais utilizados em múltiplas tarefas. O comportamento autónomo poderá ser melhor alcançado se o robô for capaz de se localizar e construir um mapa fiável do ambiente que o rodeia. A grande dimensão dos ambientes agrícolas requer uma representação do mapa mais compacta para reduzir os requisitos de memória e processamento, e, nesse sentido, a utilização de mapas topológicos nesse tipo de ambientes é uma boa opção. Esta dissertação propõe uma nova aplicação de mapas topológicos com ênfase em pomares, onde as árvores com as suas características distintivas servem como nós e as vizinhanças das árvores servem como arestas. A solução proposta integra uma abordagem baseada na distância entre nós juntamente com um método baseado em Iterative Closest Point (ICP) para identificar de forma eficaz os nós do mapa topológico do pomar. Além disso, foi implementada uma estratégia de localização para mostrar a capacidade do sistema de estimar a posição do robô no mapa previamente construído. Foi utilizado Robot Operating System (ROS) para implementar um conjunto de etapas que filtram e segmentam nuvens de pontos 3D para extrair os troncos das árvores do pomar, construir um mapa topológico, e obter uma estimativa da posição do robô no mapa. São apresentados resultados preliminares utilizando dados reais de um Light Detection And Ranging (LiDAR) 3D recolhidos num olival para validar a abordagem proposta.