Core Concepts
リーグド型ロボットプラットフォームを用いた自律型森林調査システムを提案し、フィンランドとイギリスの森林での実証実験を行った。ロボットの状態推定、ナビゲーション、ミッション計画、リアルタイムの樹木セグメンテーションと特性推定を統合したシステムアーキテクチャを開発した。実験では、100本以上の樹木を特定し、DBHの精度が2cmという結果を得た。
Abstract
本論文では、リーグド型ロボットプラットフォームを用いた自律型森林調査システムを提案している。このシステムは、状態推定、ナビゲーション、ミッション計画、リアルタイムの樹木セグメンテーションと特性推定を統合したアーキテクチャを持つ。
状態推定では、LiDARとイナーシャルセンサを融合したオドメトリ、LiDARSLAM、密なマッピングを行う。ナビゲーションシステムは、ミッションプランナー、ローカルプランナー、低レベルの歩行制御から構成される。
森林分析では、地形モデリング、樹木セグメンテーション、時空間的な集約、樹木の再構築と特性推定を行う。これにより、樹木の位置、DBH、樹高などの情報を得ることができる。
フィンランドとイギリスの3つの森林で7つのミッションを実行した。最大0.96haの範囲を20分で調査し、100本以上の樹木を特定できた。DBHの精度は2cmであった。今後の課題としては、自律性の向上、地形への適応性の向上、森林調査タスクの統合などが挙げられる。
Stats
ミッション7では、0.96haの範囲を20分で調査し、100本以上の樹木を特定した。