Sviluppo di un sistema di guida autonoma per un drone agricolo per lavorazioni in vigna

The introduction of automation in agriculture is a great opportunity to increase productivity and reduce labour costs. In our thesis, a self-driving system is developed for an agricultural drone for vineyard processing. To ensure an autonomous navigation system, the perception module is developed by detecting obstacles in the surroundings and by correctly estimating the robot’s pose in real time. The ground segmentation module is implemented, it detects the soil and trenches in the vineyard by clustering; specifically, the implemented algorithm ensures that the ground is correctly identified regardless of its inclination. The row segmentation module detects and filters rows by clustering and by applying the RANSAC algorithm. The proposed solution aims to solve some typical issues related to the season change including variability of the rows thickness. To develop the localization module a Sensor Fusion algorithm is implemented using an EKF. Data from a magnetometer calibrated online via RLS, is used to precisely estimate the heading. This ensures the possibility of precisely locating the drone also when it's behind obstacles which may interfere with the correct working of the GPS sensor, like trees or the garage. To analyze the results of the implemented algorithms, ROS simulations are carried out using experimental data acquired in the vineyard.

L'introduzione dell'automazione in ambito agricolo rappresenta una grande opportunità per incrementare la produttività e ridurre i costi di lavoro. Nella tesi si sviluppa un sistema di guida autonoma per un drone agricolo utilizzato per lavorazioni in vigna. Per questo si realizza il modulo di perception attraverso il quale è possibile valutare la presenza degli ostacoli nell'ambiente circostante e stimare correttamente la posa del robot in tempo reale. Si implementa quindi il modulo di segmentazione delle zone navigabili che tramite clusterizzazione individua il terreno e le buche presenti nella vigna; in particolare l'algoritmo implementato garantisce una corretta individuazione del terreno indipendentemente dalla sua inclinazione. Per la segmentazione dei filari si propone una soluzione che prevede l'individuazione e il filtraggio dei filari tramite clusterizzazione e applicazione dell'algoritmo RANSAC. La soluzione proposta ha lo scopo di risolvere alcune criticità tipiche in questo ambito legate al cambio di stagione tra cui la variabilità della foltezza dei filari. Il modulo di localizzazione si implementa mediante lo sviluppo di un algoritmo di Sensor Fusion realizzato attraverso un EKF. Per la stima dell'orientamento si utilizzano le informazioni di un magnetometro calibrato online attraverso RLS. In questo modo si garantisce una soluzione in grado di localizzare il drone con precisione anche nei pressi del garage o in prossimità di alberi che ostacolano il regolare funzionamento del sensore GPS. Per analizzare i risultati degli algoritmi implementati si effettuano delle simulazioni in ROS a partire da dati sperimentali acquisiti in vigna.