Development of an auto-guidance system based on stereo vision for vineyard tractors

Automation in agriculture is becoming increasingly essential to enhance productivity, ensure sustainability, and reduce operator workload and risks. However, existing autonomous navigation solutions in agriculture largely rely on GNSS-RTK technology, which entails high costs and is strictly dependent on external infrastructure and satellite signal quality. This thesis, developed in collaboration with COBO Group, addresses this limitation by proposing an autonomous navigation system for agricultural tractors in vineyards, relying solely on proprioceptive sensors and stereo vision as a cost-effective alternative to GNSS-RTK systems. The proposed framework integrates three core modules: perception, localization, and path planning. For environmental perception, two distinct Bird's Eye View (BEV) generation methods were developed: a local statistical approach based on point height distribution, and a global geometric method that exploits vineyard regularity through RANSAC-based plane extraction. Localization is then performed using a Particle Filter, which probabilistically fuses BEV-derived geometric cues with odometry to estimate the tractor pose robustly, even under visual ambiguities caused by the repetitive pattern of vegetation in vineyards. Finally, a path planning module generates smooth, continuous-curvature trajectories for headland turning, extending Dubins curves to include the vehicle's dynamic steering constraints. Field experiments conducted in a real vineyard demonstrate that the system achieves reliable navigation without GNSS, validating the feasibility of stereo vision-based autonomous maneuvers in structured agricultural environments. This work highlights the potential of affordable vision-based solutions to enable safer, more sustainable, and scalable autonomous solutions for agriculture.

L'automazione in agricoltura sta assumendo un ruolo sempre più essenziale per incrementare la produttività, garantire la sostenibilità e ridurre il carico di lavoro e i rischi per l'operatore. Tuttavia, le attuali soluzioni di navigazione autonoma in ambito agricolo si basano in gran parte sulla tecnologia GNSS-RTK, la quale comporta costi elevati ed è fortemente dipendente da infrastrutture esterne e dalla qualità del segnale satellitare. Questa tesi, sviluppata in collaborazione con COBO Group, affronta tale limitazione proponendo un sistema di navigazione autonoma per trattori agricoli in vigneto, basato esclusivamente su sensori propriocettivi e visione stereoscopica come alternativa economica ai sistemi GNSS-RTK. L'architettura proposta integra tre moduli principali: percezione, localizzazione e pianificazione del percorso. Per la percezione ambientale sono stati sviluppati due diversi metodi di generazione della Bird's Eye View (BEV): un approccio statistico locale basato sulla distribuzione in altezza dei punti e un metodo geometrico globale che sfrutta la regolarità dei filari del vigneto mediante l'estrazione di piani con l'algoritmo RANSAC. La localizzazione è poi realizzata tramite un Filtro a Particelle, che fonde in maniera probabilistica le informazioni geometriche derivate dalla BEV con l'odometria, ottenendo una stima robusta della posa del trattore anche in presenza di ambiguità visive dovute alla struttura ripetitiva della vegetazione. Infine, il modulo di pianificazione del percorso genera traiettorie a curvatura continua e cinematicamente fattibili per le manovre di inversione a fine filare, estendendo le curve di Dubins per includere i vincoli dinamici dello sterzo del veicolo. I test sperimentali condotti in un vigneto reale dimostrano che il sistema è in grado di garantire una navigazione affidabile senza l'ausilio del GNSS, dimostrando la fattibilità di manovre autonome basate sulla visione stereoscopica in ambienti agricoli strutturati. Questo lavoro evidenzia il potenziale di soluzioni basate su stereovisione per un'agricoltura autonoma più sicura, sostenibile e scalabile.