Development of a graph based global planner for the out-of-row maneuver of an autonomous tracked agricultural vehicle

Autonomous agricultural vehicles are becoming increasingly important due to their potential to improve productivity, reduce labor costs, and perform precise operations in structured environments such as orchards. In recent years, the automation of harvesting tasks has received growing attention, especially in settings where space is limited and high operational accuracy is required. One of the key challenges within this context is the ability to plan safe and efficient paths not only within the field rows but also when the vehicle must perform row-changing maneuvers to proceed with its operations, maneuvers which are carried out in the headland area. This thesis presents a graph-based global planning algorithm designed to manage such out-of-row maneuvers for an autonomous tracked vehicle, without relying on GPS. The proposed approach uses only onboard sensors, namely two LiDARs and an IMU, to perceive the environment and estimate the vehicle’s position. A navigation graph is built using the Reeds-Shepp curves and evaluated through collision checking and cost computation. The algorithm then identifies through the Dijkstra algorithm the minimum length obstacle free path consistent with the maneuver desired by the operator. The system is tested in simulated agricultural environments, where it demonstrates its ability to generate collision-free, kinematically feasible and time-efficient paths. Additionally, a method to estimate the vehicle’s position with respect to the field is developed, based only on its orientation, therefore overcoming the problem of not having a GPS system. This work offers a practical and computationally efficient planning framework suitable for real-world applications deployment and contributes to the broader effort of developing fully autonomous agricultural systems.

I veicoli agricoli autonomi stanno assumendo un ruolo sempre più centrale per il loro potenziale nel migliorare la produttività, ridurre i costi della manodopera e garantire operazioni precise in campi agricoli come frutteti. Negli ultimi anni, l’automazione delle attività di raccolta ha ricevuto crescente attenzione, soprattutto in contesti caratterizzati da spazi ristretti e dalla necessità di elevata accuratezza delle operazioni. Una delle sfide principali in questo ambito riguarda la capacità di pianificare percorsi sicuri ed efficienti computazionalmente non solo all’interno dei filari, ma anche durante le manovre di cambio filare, operazioni che avvengono nella zona di capezzagna. Questa tesi propone un algoritmo di pianificazione globale basato su grafo, progettato per gestire questo tipo di manovre (out-of-row) in un veicolo agricolo cingolato autonomo, senza fare uso del GPS. L’approccio si basa esclusivamente su sensori di bordo, ovvero due LiDAR e una IMU, utilizzati per rappresentare l’ambiente e stimare la posizione del veicolo. Il grafo di navigazione è costruito mediante le curve di Reeds-Shepp, il cui costo viene valutato in base alla loro capacità di generare percorsi che evitano gli ostacoli presenti sul campo. L’algoritmo seleziona poi, tramite l'algoritmo di Dijkstra, il percorso più breve e privo di collisioni, coerente con la manovra selezionata dall’operatore. Il sistema è stato testato in campi agricoli simulati, dimostrando la capacità di generare traiettorie prive di collisioni, cinematicamente fattibili ed efficienti dal punto di vista computazionale. È stato inoltre sviluppato un metodo per stimare la posizione del veicolo basandosi esclusivamente sull’orientamento, permettendo di individuare la posizione del veicolo rispetto al campo anche in assenza di GPS. Il lavoro fornisce dunque un framework di pianificazione pratico ed efficace adatto all’impiego in applicazioni reali, contribuendo dunque allo sviluppo di veicoli agricoli completamente autonomi.