| Zusammenfassung: | Der Einsatz von autonom navigierenden Robotern im Anbau von Baumobstkulturen wird zunehmend nach-gefragt. Gleichzeitig steigt der Bedarf an baumbezogenen Informationen wie dem Wachstum, um eine präzise und bedarfsgerechte Bewirtschaftung der Obstplantage zu ermöglichen. Für beide Zwecke wurden bereits unabhängig voneinander erfolgreich LiDAR-Sensoren eingesetzt. In dieser Arbeit wird die Eignung v... Der Einsatz von autonom navigierenden Robotern im Anbau von Baumobstkulturen wird zunehmend nach-gefragt. Gleichzeitig steigt der Bedarf an baumbezogenen Informationen wie dem Wachstum, um eine präzise und bedarfsgerechte Bewirtschaftung der Obstplantage zu ermöglichen. Für beide Zwecke wurden bereits unabhängig voneinander erfolgreich LiDAR-Sensoren eingesetzt. In dieser Arbeit wird die Eignung von LiDARbasierten 3D-SLAM-Verfahren für die Nutzung in beiden Anwendungsfällen untersucht. Dafür werden die frei verfügbaren und ROS-fähigen SLAM-Verfahren LIO-SAM, RTABMap und HDL Graph SLAM mit acht für diese Arbeit aufgezeichneten Datensätzen evaluiert und die Ergebnisse verglichen. Die Datensätze wurden in einer typischen Ertragsanlage in der Obstanbauregion Altes-Land erstellt und zeigen Apfelbäume im Winter. Anhand von Evaluationskriterien, die für die Zwecke der Navigation und Pflanzenanalyse ausgewählt wurden, wird gezeigt, dass RTAB-Map unter diesen Bedingungen keine weiterverarbeitbaren Karten erzeugt. Mit LIO-SAM und HDL Graph SLAM entstehen mit ausgewählten Konfigurationen und horizontaler Ausrichtung des LiDAR-Sensors Karten, die die Struktur der Obstanlage widerspiegeln und für die Zwecke der Navigation eingeschränkt nutzbar sind. Für die Analyse von Baummerkmalen wie dem Wachstum sind diese Karten ungeeignet. Es wird gezeigt, dass vor allem die Abweichung der SLAMbasierten Lokalisierung von der Realität ein Problem für diese Zwecke darstellt.
The use of autonomously navigating robots in the cultivation of tree fruit crops is increasingly in demand. At the same time, the need for tree-related information such as growth is increasing in order to enable precise and needs-based management of the orchard. Independently of each other, LiDAR sensors have already been used successfully for both purposes. In this work, the suitability of LiDAR-... The use of autonomously navigating robots in the cultivation of tree fruit crops is increasingly in demand. At the same time, the need for tree-related information such as growth is increasing in order to enable precise and needs-based management of the orchard. Independently of each other, LiDAR sensors have already been used successfully for both purposes. In this work, the suitability of LiDAR-based 3D-SLAM methods for use in both applications is examined. For this purpose, the freely available and ROS-capable SLAM methods LIO-SAM, RTAB-Map and HDL Graph SLAM are evaluated with eight datasets recorded for this work and the results are compared. The datasets were created in a typical yield system in the fruit-growing region Altes-Land and show apple trees in winter. Based on evaluation criteria selected for the purposes of navigation and plant analysis, it is shown that RTAB-Map does not produce any further processable maps under these conditions. With LIO-SAM and HDL Graph SLAM, maps, which reflect the structure of the orchard and can be used to a limited extent for navigation purposes, are created with selected configurations and horizontal alignment of the LiDAR sensor. These maps are unsuitable for analyzing tree characteristics such as growth. It is shown that especially the deviation of the SLAM-based localization from reality is a problem for these purposes. |
