Low-Cost Car-Like Autonomous Mobile Robot Under-Canopy Row Following, and Detection of Patterns Associated with Diseases in Plantain Crops
Danna Celena Montenegro · Iván D. Duarte · Andres Leonardo Jutinico 等 4 人
开发低成本类车机器人实现车前草冠层下自主行跟随与图像采集。
ROS 2、2D LiDAR、IMU、ESP32及模糊控制器，离线处理RGB图像
横向误差中位数MAE约0.026-0.036米，验证了低成本导航可行性。
可研究多行自主切换、病害图像在线识别及复杂冠层下鲁棒导航。
低成本ROS 2农业机器人实现冠层下自主行跟随与叶片病害图像采集，方法新颖、田间数据初步可靠，但属细分领域阶段性成果，公共影响有限。
哥伦比亚奥里诺基亚地区劳动力受限，且需要对下部车前草（Musa paradisiaca）叶片进行频繁目视检查，这促使人们开发能够自主冠层下导航并系统采集图像的低成本机器人工具。本研究报道了针对一种低成本、小型、类车式农业机器人开展的在研工作的当前阶段，该机器人用于车前草田间的自主冠层下行跟随与系统图像采集。该平台采用模块化ROS 2工作流、低成本二维激光雷达、惯性测量单元以及基于ESP32的驱动层。激光雷达数据通过由车辆航向误差引导的自适应测量锥进行处理，以在前进行跟随运动中估计与作物行的横向距离，并由模糊控制器生成转向参考。在五种试验条件下的初步田间测试提供了在所测条件下冠层下导航具有一致性的初步证据。在第一个行跟随段中，横向误差的中位MAE和RMSE分别为0.0258 m和0.0342 m；在行间机动之后，分别为0.0356 m和0.0602 m。此外，一台朝上的RGB相机采集了冠层下图像，并对其进行离线处理，以生成基于概率的叶片状况模式视觉摘要。结果表明，低成本机器人导航有助于构建冠层下数据采集流程，从而支持车前草种植园中可扩展的作物健康监测。