Robôs terrestres leves têm mostrado cada vez mais seu potencial para enfrentar tarefas agrícolas que exigem mão-de-obra humana que consome tempo, limitadas em detalhamento ou cobertura de área. Por exemplo, robôs autônomos capazes de atravessar com segurança a terra cultivada poderia levar vários dispositivos para coletar informações sobre o solo ou até mesmo de cada planta. No entanto, uma navegação autônoma confiável ainda é um desafio. Um robô precisa lidar com o dinamismo do campo agrícola, além de obstáculos imprevisíveis, e.g. humanos, animais e máquinas. Em particular, os campos de milho e soja apresentam dificuldades devido ao modo padrão de cultivo: faixas estreitas (menos de um metro) que se tornam ainda menos visíveis nos estágios posteriores devido à densa cobertura e espalhamento de folhas. Essas condições influenciam fortemente os sensores, provocando frequentes oclusões, erros de leitura e colocando-os em situações fora de sua região de trabalho. Portanto, este projeto propõe o desenvolvimento de um subsistema de percepção que filtra, classifica e converte matematicamente as leituras brutas dos sensores em um compacto fluxo de conhecimento para navegação autônoma confiável. Para fazer isso, o dispositivo central é um Hokuyo UTM30-LX LiDAR, cujas varreduras 2-D serão colocadas no espaço 3-D com a ajuda de dados de IMU e odometria. Usando a percepção proposta como a entrada de métodos de navegação autônomos, o subsistema será avaliado com extensos experimentos de campo em lavouras de milho e soja. | ||
Atualizado em
05 de Março de 2021, 11:14