Navigation, Planning and 3D Traversability Analysis in Forest Environments

Abstract

A navegação autónoma em ambientes 3D não estruturados representa um grande desafio para a robótica moderna. Embora as florestas, em particular, sejam ambientes hostis que apresentam todos os tipos de obstáculos e perigos para robôs móveis autónomos, elas também fornecem informações valiosas e oportunidades para os mitigar.Este trabalho apresenta uma técnica inovadora de análise de travessia e planeamento de caminhos em 3D que processa mapas de nuvens de pontos tri-dimensionais para gerar informações de gradiente do terreno. Isto permite-lhe realizar uma análise estatística do ambiente percetível para que possa prever a irregularidade geral do terreno, bem como a presença de obstáculos. Esta informação permite-nos gerar caminhos geralmente eficientes, pois evitam grandes declives quando existem caminhos viáveis menos exigentes, reduzindo implicitamente o desgaste do equipamento e os riscos associados.Este documento apresenta uma revisão do estado da arte, identificando as principais lacunas de pesquisa e fornecendo uma contribuição científica com o desenvolvimento deste trabalho. A técnica proposta foi testada e comparada com outras do estado da arte em quatro cenários realistas da nossa autoria, simulados no exterior, e os resultados são apresentados e discutidos.A navegação autónoma em ambientes 3D não estruturados representa um grande desafio para a robótica moderna. Embora as florestas, em particular, sejam ambientes hostis que apresentam todos os tipos de obstáculos e perigos para robôs móveis autónomos, elas também fornecem informações valiosas e oportunidades para os mitigar.Este trabalho apresenta uma técnica inovadora de análise de travessia e planeamento de caminhos em 3D que processa mapas de nuvens de pontos tri-dimensionais para gerar informações de gradiente do terreno. Isto permite-lhe realizar uma análise estatística do ambiente percetível para que possa prever a irregularidade geral do terreno, bem como a presença de obstáculos. Esta informação permite-nos gerar caminhos geralmente eficientes, pois evitam grandes declives quando existem caminhos viáveis menos exigentes, reduzindo implicitamente o desgaste do equipamento e os riscos associados.Este documento apresenta uma revisão do estado da arte, identificando as principais lacunas de pesquisa e fornecendo uma contribuição científica com o desenvolvimento deste trabalho. A técnica proposta foi testada e comparada com outras do estado da arte em quatro cenários realistas da nossa autoria, simulados no exterior, e os resultados são apresentados e discutidos.

Autonomous navigation in unstructured 3D environments poses a great challenge for modern Robotics. Although forests, in particular, are harsh environments that present all kinds of obstacles and dangers for autonomous mobile robots, they also provide valuable information and opportunities to mitigate them.This work presents a novel traversability analysis and path-planning technique that processes 3D pointcloud maps to generate terrain gradient information and perform a statistical analysis of the perceived environment so that it can predict the terrain's overall roughness, as well as the presence of obstacles. This information allows us to generate paths that are generally efficient, as they avoid major hills when more conservative paths are available, thus implicitly reducing the wear of the equipment and the associated risks.We perform a review of the state of the art, identify key research gaps and provide a scientific contribution with the development of this work. The proposed technique has been tested and compared against other state-of-the-art techniques on four realistic outdoor simulated scenarios of our own design, and the results are presented and discussed. Autonomous navigation in unstructured 3D environments poses a great challenge for modern Robotics. Although forests, in particular, are harsh environments that present all kinds of obstacles and dangers for autonomous mobile robots, they also provide valuable information and opportunities to mitigate them.This work presents a novel traversability analysis and path-planning technique that processes 3D pointcloud maps to generate terrain gradient information and perform a statistical analysis of the perceived environment so that it can predict the terrain's overall roughness, as well as the presence of obstacles. This information allows us to generate paths that are generally efficient, as they avoid major hills when more conservative paths are available, thus implicitly reducing the wear of the equipment and the associated risks.We perform a review of the state of the art, identify key research gaps and provide a scientific contribution with the development of this work. The proposed technique has been tested and compared against other state-of-the-art techniques on four realistic outdoor simulated scenarios of our own design, and the results are presented and discussed.