An EKF-SLAM approach to plant counting

The expected growth in the global formulation and in food demand bring several challenges for the environment. Precision agriculture is a strategy invented to address the efficient use of resources and to support managerial decisions through the collection of data from fields. It finds its application in agricultural robotics, a discipline which researches solutions for the automation of repetitive tasks and which has seen recent developments due to labour shortages. Regarding the activity of plant monitoring, the need for the reassessment of the asset status is particularly felt in the context of plant nurseries, where management decisions depend on the availability of an up-to-date estimate of the stock availability. Different solutions have been suggested in the past years to for the automation of plant counting. Outdoor environments, however, pose natural challenges to the application of camera-based or infrared sensors, because of continuous changes in the light conditions and irregularities in the terrain. Also, in an orchard context, the presence of tree crowns might render difficult the access to the GPS signal, thus hindering the possibility of creating a map of the field. This thesis proposes an approach to plant counting by using a 3D LiDAR sensor and a Simultaneous Localisation and Mappping (SLAM) algorithm, EKF-SLAM, for the parallel estimation of the map of an unknown environment and the trajectory followed by the robot. In particular, we have formulated a process for plant recognition starting from the point cloud returned by the sensor and we used the position of the detections as landmarks, i.e. points of interest, to correct the location computed by the robot. The system evaluation has been conducted both on a simulated and on real world case.

L'attesa crescita nella popolazione mondiale e nella richiesta di alimenti comportano diverse sfide per l'ambiente. L'agricoltura di precisione è una strategia creata per far fronte ad un uso efficiente delle risorse e per il supporto di decisioni a livello di management sfruttando la raccolta di dati dai campi. Questa tecnica trova applicazione nella robotica per l'agricoltura, una disciplina che ricerca soluzioni per l'automazione di lavori ripetitivi e che ha visto recenti sviluppi per via della mancanza di lavoratori. Per quanto riguarda l'attività del monitoraggio delle piante, i vivai, nello specifico, necessitano di stimare spesso la quantità di prodotto disponibile, in quanto le decisioni per la gestione della domanda dipendono da quanto la stima è aggiornata. Allo scopo di automatizzare il processo di conteggio, differenti soluzioni sono state proposte negli anni passati. Tuttavia, gli ambienti esterni impongono delle difficoltà nell'applicazione di sensori come camere e infrarossi, per via dei continui cambiamenti nelle condizioni di luminosità e delle irregolarità che il terreno presenta. Inoltre, nel contesto di un frutteto, la presenza delle chiome degli alberi può rendere arduo l'accesso al segnale GPS, rendendo poco possibile la creazione di una mappa del campo. Questa tesi propone un approccio al contenggio delle piante tramite l'uso di un sensore di tipo 3D LiDAR e di un algoritmo di SLAM, EKF-SLAM, per la stima simultanea della mappa di un luogo sconosciuto e della traiettoria percorsa dal robot. In particolare, abbiamo formulato una processo per il riconoscimento di piante a partire dalla nuvola di punti ritornata dal sensore e utilizzato le posizioni delle rilevazioni come punti di riferimento per correggere la posizione calcolata dal robot. La valutazione del sistema è stata condotta sia nel caso di un ambiente simulato che reale.