Design and on-field testing of advanced driving assistance systems for agricultural applications

Autonomous driving raises interest in several areas of modern society, seen as a means of increasing safety, improving efficiency and precision, and optimizing vehicle usage. The agricultural field witnesses autonomous driving progress at a higher pace than others: off-road autonomous vehicles can be easily tested (and eventually industrialized), unlike road vehicles which pose regulation issues due to the presence on roads of pedestrians and other vehicles. Autonomous navigation of agricultural vehicles is especially appealing to industry due to its potential to meet the strict requirements on precision imposed by sensitive procedures like seeding, harvesting, or pruning. It would also reduce man's workload, easing operators from the driving task so that they can focus on the ongoing agricultural procedures. Meanwhile, the problem is still very interesting from the research point of view, since the high precision requirements must be achieved in a complex and continuously changing environment (both due to seasonality and as a result of man's activities), with reduced maneuvering space, and while working on high-value cultivation. In this scenario, vehicle global localization is still an open issue: GNSS technology is not always reliable as thick vegetation may cause signal loss. Relative-row localization is also essential, and cannot be done through the use of maps because they should be constantly updated due to the pronounced dynamism of the environment. Planning a local path is not a straightforward task, either: the vehicle must follow a global route dictated by the ongoing agricultural procedure and adapt it to growing vegetation and the presence of other obstacles. Once a local plan is generated, the path tracking task is relatively easily solved, given the low speeds involved in agricultural procedures. Our research aims at investigating the above mentioned issues through the use of different technologies and approaching the problem at different automation levels. We propose an ADAS which cooperates with the tractor operator when the vehicle is between crop rows. It has the objective of keeping the vehicle aligned to the rows at a desired distance from them. We focus our attention to the industrialization aspect: the developed ADAS relies on cost-effective robust sensors with low computational effort requirements, industry-appealing characteristics that come at the price of lower precision and accuracy. We design a localization algorithm that deals with measurement noise in an innovative way. It is robust to different vegetation conditions, as it dynamically adapts to the current vegetative state, and to the loss of one or more sensors measurements. We further propose a fully autonomous system that allows the vehicle to navigate the vineyard unsupervised following a park-to-park global reference path and reacting in presence of obstacles. The proposed system is robust to the loss of GNSS measurements, thanks to a global localization algorithm that exploits the sensor-fusion approach. We design a perception module that uses 3D LiDAR measurements to dynamically create a map of the vehicle surrounding. In doing so, it distinguishes between crop rows and generic obstacles, as the avoidance strategy is different in the two cases. The global reference path tracking task is performed by a local planner, which simultaneously implements an obstacle avoidance strategy, customized on the type of obstacle it deals with. The performance of both systems modules is assessed either through experimental data, collected on-field in different seasons (hence, different vegetation conditions) or in simulation, in comparison with state-of-the-art solutions. An experimental campaign, performed on-field with a tractor, validates the proposed closed-loop systems with satisfactory results.

La guida autonoma suscita interesse in diversi settori della società moderna, vista come un mezzo per aumentare la sicurezza, migliorare l'efficienza e la precisione e ottimizzare l'utilizzo dei veicoli. Nel campo agricolo si assiste a un progresso più rapido della guida autonoma rispetto ad altri settori: gli algoritmi di guida autonoma possono essere facilmente testati (quindi industrializzati) su veicoli agricoli, mentre i test su veicoli da strada pongono problemi di regolamentazione a causa della presenza di pedoni e altri veicoli. La navigazione autonoma di veicoli agricoli è particolarmente interessante per l'industria grazie al suo potenziale di soddisfare i requisiti di precisione imposti da procedure sensibili come la semina, la raccolta o la potatura. Inoltre, la guida autonoma rappresenta un modo di ridurre il carico di lavoro dell'uomo, consentendo agli operatori concentrarsi unicamente sulle procedure agricole in atto, piuttosto che sulla guida. Il tema della guida autonoma in ambito agricolo è ancora molto interessante dal punto di vista scientifico, poiché i requisiti di alta precisione devono essere raggiunti in un ambiente complesso e in continuo cambiamento (sia a causa della stagionalità che delle attività umane), con spazi di manovra ridotti e lavorando su colture pregiate. In questo scenario, la localizzazione globale del veicolo è ancora un problema aperto: la tecnologia del GNSS non è sempre affidabile poiché la fitta vegetazione può causare perdita del segnale. Anche la localizzazione relativa, che stima la posizione del veicolo rispetto ai filari, è essenziale e non può essere fatta utilizzando mappe precostruite perché queste dovrebbero essere costantemente aggiornate a causa del pronunciato dinamismo dell'ambiente. Inoltre, la pianificazione di un percorso locale non è un compito semplice: il veicolo deve seguire un percorso globale dettato dalla procedura agricola in corso e adattarlo alla crescita della vegetazione e alla presenza di altri ostacoli. Una volta generato un piano locale, la tracciatura del percorso è relativamente semplice date le basse velocità coinvolte nelle procedure agricole. La nostra ricerca mira ad approfondire i temi sopra menzionati utilizzando diverse tecnologie e affrontando il problema a diversi livelli di automazione. Proponiamo un sistema di assistenza avanzata alla guida (ADAS) che coopera con l'operatore del trattore quando il veicolo si trova tra i filari. L’ADAS proposto ha l'obiettivo di mantenere il veicolo allineato alle vigne ad una distanza desiderata da esse. L'attenzione è posta sull'industrializzazione: l'ADAS sviluppato si basa su sensori robusti e a basso costo, caratteristiche apprezzabili dal punto di vista industriale, ma che comportano una minore precisione ed accuratezza. Viene sviluppato un algoritmo di localizzazione che mitiga il rumore di misurazione in modo innovativo: è robusto alle diverse condizioni della vegetazione poiché si adatta dinamicamente allo stato vegetativo corrente e alla perdita di una o più misure dei sensori. Infine, proponiamo un sistema completamente autonomo che consente al veicolo di navigare nel vigneto senza supervisione, seguendo un percorso di riferimento globale e reagendo in presenza di ostacoli. Il sistema proposto è robusto alla perdita di segnale GNSS, grazie ad un algoritmo di localizzazione globale che sfrutta le misure di diversi sensori. Un modulo di percezione utilizza le misure di un LiDAR 3D per creare dinamicamente una mappa dell'ambiente circostante. L’algoritmo distingue tra file di colture e ostacoli generici: ciò è necessario poiché la strategia di evitamento è diversa nei due casi. Il compito di tracciare il percorso di riferimento globale viene svolto da un pianificatore locale, che implementa una strategia di evitamento degli ostacoli personalizzata in base al tipo di ostacolo affrontato. Le prestazioni di entrambi i sistemi vengono valutate sia attraverso dati sperimentali, raccolti sul campo in diverse stagioni (quindi con diverse condizioni vegetative), sia in simulazione, confrontandole con le soluzioni più adottate allo stato dell’arte. Una campagna sperimentale, condotta sul campo con un trattore, valida i sistemi in anello chiuso proposti con risultati soddisfacenti.